• <tr id='xUFbam'><strong id='xUFbam'></strong><small id='xUFbam'></small><button id='xUFbam'></button><li id='xUFbam'><noscript id='xUFbam'><big id='xUFbam'></big><dt id='xUFbam'></dt></noscript></li></tr><ol id='xUFbam'><option id='xUFbam'><table id='xUFbam'><blockquote id='xUFbam'><tbody id='xUFbam'></tbody></blockquote></table></option></ol><u id='xUFbam'></u><kbd id='xUFbam'><kbd id='xUFbam'></kbd></kbd>

    <code id='xUFbam'><strong id='xUFbam'></strong></code>

    <fieldset id='xUFbam'></fieldset>
          <span id='xUFbam'></span>

              <ins id='xUFbam'></ins>
              <acronym id='xUFbam'><em id='xUFbam'></em><td id='xUFbam'><div id='xUFbam'></div></td></acronym><address id='xUFbam'><big id='xUFbam'><big id='xUFbam'></big><legend id='xUFbam'></legend></big></address>

              <i id='xUFbam'><div id='xUFbam'><ins id='xUFbam'></ins></div></i>
              <i id='xUFbam'></i>
            1. <dl id='xUFbam'></dl>
              1. <blockquote id='xUFbam'><q id='xUFbam'><noscript id='xUFbam'></noscript><dt id='xUFbam'></dt></q></blockquote><noframes id='xUFbam'><i id='xUFbam'></i>

                行業動態

                當前位置: 首頁> 新聞中心 > 行業動態

                2018年中國人臉識別行業產業鏈分析

                發布時間:2018-07-17
                 
                人臉識別產◣業鏈上遊為基礎層,包括人工智能芯片♂、算法技術和數據集;中遊由視頻人臉識別、圖片人臉識別和數據庫對比檢驗等技術層構成,大體包括人臉檢測、活體檢測、人臉識別、視頻對象提取與分析等技術;下遊則是具體的場景應用,即應用方案、消費類終端或服務等。下遊以攝像頭為主的硬件采集端和應用端采集人臉數據,為數據集豐富數據,對於基礎層算法的更新叠代形成正反饋。
                 
                目前,國外巨頭公司大多呈現全產業布局的特征,即上中下遊均有布局。國內人臉識別創業公司基本缺♂席上遊的芯片和算々法開發環節,除了少量在中遊有技術突破外,大多數集中於下遊∞場景應用層,這很大程度上得益於國內龐大的應用場☉景支持。在具體的場景應用商業化落地環節,以BAT為代表的國內互聯網∩巨頭,由於無法將計算機視覺的某一個子模塊拿出來單獨盈利。因此在應用落地上並沒有明顯的優勢,而是創業公司突破能力▓更強。但互聯網巨頭擁有最大的數據源,人臉識別的後◣續發展動力十足。
                 
                人臉識別產業鏈上遊分析
                 
                人臉識別產業鏈上遊,即基礎層,影響發展的三大要素是數據量、計算力和算法模型。2000年後,數據量的上漲、計算力的提升和深度學習算△法的出現促ζ進了計算機視覺行業的發展。作為計算機視覺中重要的人臉識別,以攝像頭為主的采集終端●的大規模普及帶來了數據量的增長,深度ζ 學習算法的出現可以實現精準的識別功能。此外,雲計算@技術、服務器和人工智能芯片等相關硬件性能的提升,對於處理數據的計算力有很強的助力作用,從而人臉識別應用方案走入人們的生活成為現實▓。
                 
                而在算「法領域,算法領域,美國互聯網巨頭谷歌、FACEBOOK、微軟都推出了深度學習≡算法開源平臺,在深度學習算法方面有著明顯的技術優勢。2016年以來,以谷歌、微軟為首▆的巨頭為了搶占市場,將自己研發的算法技術進行開源,導致很多企業免去人工智能基礎╲技術研發投入,只需要采用№開源算法或經過訓練的人工智能芯片,再結合行業數據進行訓№練,就可開╳展行業應用落地。
                 
                人臉識ξ別產業鏈中遊分析
                 
                中遊人臉識別◆技術的進步,是推動下遊場景應用拓展的關鍵所在。目前,人臉識別市場的解決方案主要♂包括2D識別、3D識別技術。市場上主¤流的識別方案是采用攝像頭的2D方案,但由於人的臉部並非平坦,因此2D識別在將3D人臉信息平面化投影的過程中『存在特征信息損失。3D識別使用三維人臉立體建模方法,可最大程度保留有效Ψ 信息,因此3D人臉識別技術的算法比2D算法更∑合理並擁有更高精度。
                 
                人臉識別產業鏈下遊分析
                 
                人臉識別對場境要求△非常強,產品能否達到實際使用要求,核心並不只〖在於算法本身,還在於對場景的深耕。算法水平對於識別率的有●力證明,也僅僅是停留在訓練集與測試集之間,存在】於實驗室的“理論數值”。
                 
                而現實生活中人臉的獲取過程有大量○不可控因素,光的方向、強度,是否有胡須、發↓型的變化,是否有表情ξ 都會影響識別效果。多種因素疊〗加後,真實環境下測得的準確率可能只有75%左右,甚至更低。
                 
                因此,需要針對場景※的不同特點收集大量場景數據,不斷調試參數、組合算法、方法,甚至使用外圍硬件輔助以提升效果,不斷叠代以實現產品化。除此之外,還要在工程上滿足計算量、延遲、可維護性等需求。
                文章來源:前瞻產業研究院

                關註微信

                掃描二維碼,
                關註迅通科技公眾號

                 

                020-87770041

                廣州市越秀區先烈中路80號匯華商貿大廈○12層