RemarkMedia 圖像識別產品登錄阿里雲市場,把深度學習變為基礎設施

2020-12-01 中關村在線

近日，RemarkMedia 圖像識別產品登陸阿里雲市場，為開發者提供了兩款已訓練好的圖片分類器：顏值打分、色情圖片識別。

鑑於深度學習對普通開發者來說有著一定難度，因此讓深度學習變成像雲計算這樣基礎設施，一直是 Remark Media 中國和阿里雲研究的重點。

根據官方介紹，讓深度學習變成基礎設施，需要解決實際應用深度學習的兩大難題：

  • 監督學習需要大量的標記過的圖片樣本數據。

  • 需要簡單易用的訓練環境。

據悉，RemarkMedia 利用遷移學習（欲了解遷移學習本質，點擊超連結閱讀）在一個經過百萬級圖片訓練後卷積神經網絡模型基礎上再次進行一個小樣本訓練，獲得一個較高精度的圖片分類器。目前 RemarkMedia 在阿里雲市場上為開發者提供了兩個已經訓練好的分類器。

RemarkMedia 把該訓練工具作為阿里雲市場上的一個應用，開發者可創建自己的圖片分類器：提交少量標記過的樣本即可創建出自己的圖片分類器。

雷鋒網了解到，除了 RemarkMedia 的計算機視覺產品外，國內的曠視科技、飛搜科技、衣+ 等計算機視覺公司也已經進駐了阿里雲市場，並提供相關服務。

news.zol.com.cn true http://news.zol.com.cn/621/6215405.html report 1037 近日，RemarkMedia 圖像識別產品登陸阿里雲市場，為開發者提供了兩款已訓練好的圖片分類器：顏值打分、色情圖片識別。鑑於深度學習對普通開發者來說有著一定難度，因此讓深度學習變成像雲計算這樣基礎設施，一直是 Remark Media 中國和阿里雲研究的重點。根據官方介紹，...

相關焦點

  • 深度學習與圖像識別 圖像檢測
    來源：http://blog.csdn.net/omenglishuixiang1234/article/details/53305842  點擊閱讀原文直接進入主要做了基於深度學習的圖像識別與檢測的研究，下面是一些整理內容1、深度學習的優勢（1）從統計，計算的角度看，DL
  • Python深度學習之圖像識別
    作者 | 周偉能 來源 | 小叮噹講SAS和Python Python在機器學習（人工智慧，AI）方面有著很大的優勢。談到人工智慧，一般也會談到其實現的語言Python。前面有幾講也是關於機器學習在圖像識別中的應用。今天再來講一個關於運用google的深度學習框架tensorflow和keras進行訓練深度神經網絡，並對未知圖像進行預測。
  • 圖像識別中的深度學習【香港中文大學王曉剛】
    深度學習是近十年來人工智慧領域取得的重要突破。它在語音識別、自然語言處理、計算機視覺、圖像與視頻分析、多媒體等諸多領域的應用取得了巨大成功。現有的深度學習模型屬於神經網絡。神經網絡的起源可追溯到20世紀40年代，曾經在八九十年代流行。神經網絡試圖通過模擬大腦認知的機理解決各種機器學習問題。
  • 解讀阿里雲AI產品矩陣:目標是打造最強中國雲計算能力
    AI產品矩陣的亮相作為壓軸大戲出場，這也是阿里雲首次曝光了人工智慧產品家族，全方位公開AI產品體系，AI作為阿里雲，乃至阿里巴巴集團技術應用和市場戰略的重要一環，承載了阿里怎樣的思量？雷鋒網(公眾號：雷鋒網)了解到，阿里雲從2015年開始推出AI產品，包括語音識別，還有圖像識別、視覺識別等130多款細分產品，適用於300多個場景。在本次發布會上阿里雲又發布了多款AI新品或加強版。分別是：印刷文字識別、視頻AI-視網膜、人臉識別、圖像識別、智能語音交互、機器學習PAI和自然語言處理。
  • 第85講 Python深度學習之圖像識別
    Python在機器學習（人工智慧，AI）方面有著很大的優勢。
  • OpenCV+深度學習預訓練模型,簡單搞定圖像識別 | 教程
    而OpenCV最近一次版本更新，為我們帶來了更好的深度學習支持，在OpenCV中使用預訓練的深度學習模型變得非常容易。pyimagesearch網站今天發布了一份用OpenCV+深度學習預訓練模型做圖像識別的教程，量子位編譯整理如下：最近，OpenCV 3.3剛剛正式發布，對深度學習（dnn模塊）提供了更好的支持，dnn模塊目前支持Caffe、TensorFlow、Torch、PyTorch等深度學習框架。
  • 從傳統圖像算法到深度學習,文字識別技術經歷了這些變化
    文字識別的發展大致可以分為兩個階段，分別是傳統圖像算法階段和深度學習算法階段。傳統圖像算法2012年之前，文字識別的主流算法都依賴於傳統圖像處理技術和統計機器學習方法實現，利用光學技術和計算機技術把印在或寫在紙上的文字讀取出來，並轉換成一種計算機能夠接受、人又可以理解的格式。
  • 每周AI應用精選:虹膜識別解決方案;基於深度學習人臉識別方案等
    解決方案詳解：使用特定的攝像器材對人的整個眼部進行拍攝，並將拍攝到的圖像傳輸給虹膜識別系統的圖像預處理軟體，對獲取到的虹膜圖像進行虹膜定位，虹膜圖像歸一化和圖像增強處理；使其滿足提取虹膜特徵的需求。採用特定的算法從虹膜圖像中提取出虹膜識別所需的特徵點，並對其進行編碼。
  • 基於深度學習的人臉識別技術全解
    通常採用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉。根據中國報告網發布《2018 年中國生物識別市場分析報告-行業深度分析與發展前景預測》中內容，2017 年生物識別技術全球市場規模上升到了 172 億美元，到 2020 年，預計全世界的生物識別市場規模有可能達到 240 億美元。
  • 中國AI雲服務市場:百度智能雲超過阿里雲騰訊雲拿下第一
    據全球權威諮詢機構IDC在7月14日公布的《中國人工智慧雲服務市場研究報告(2019)》報告顯示：在中國AI公有雲服務整體市場格局中，百度智能雲在整體調用量、市場份額方面均名列第一，其擁有最多的AI產品數量，領先阿里雲、騰訊雲、AWS和華為雲等廠商。
  • 技術| 基於深度學習圖像識別的變電站監控系統
    打開APP 技術 | 基於深度學習圖像識別的變電站監控系統 發表於 2019-07-22 08:29:10 基於計算機網絡技術以及無線通信技術和視頻監控技術，研究深度學習圖像識別的變電站基建安全行為監控系統。
  • 用深度學習理解遙感圖像,識別效率提升90倍 | PaddlePaddle出品
    可以用深度學習。現在， 遙感所是這樣做的：針對一個地方構建樣本庫，然後基於樣本庫中的圖像訓練深度學習模型。第二年，這一地方的環境和氣候發生變化，只需要把新的圖像加進樣本庫，然後重新把模型訓練一遍就可以了。同時，這樣也能夠減少對人的依賴，模型的調整不再受限於專家經驗，而是依靠數據的變化。
  • 深度學習不是萬靈藥!神經網絡3D建模其實只是圖像識別?
    但近期一項研究表明，幾乎所有基於深度神經網絡的3D中重建工作，實際上並不是重建，而是圖像分類。深度學習並不是萬能的！深度學習並不是萬靈藥。近幾年，隨著深度學習的大熱，許多研究攻克了如何從單張圖片生成3D模型。從某些方面似乎再次驗證了深度學習的神奇——doing almost the impossible。
  • 競品分析:阿里雲 VS 騰訊雲,AT的短兵相接
    產品1：阿里雲1）企業、產品市場地位根據國際權威諮詢機構IDC正式發布的《2019年Q1中國公有雲服務市場跟蹤報告》，該報告顯示，2019年第一季度，在IaaS市場上，阿里雲超過43%的市場份額穩居第一，遠遠超過了身後的其他玩家。而且阿里雲在中國雲計算市場已經一家獨大數年之久，地位鞏固。
  • 更便捷、更安全、更極速的新一代CDN:阿里雲CDN年度產品升級發布
    1月6日,阿里雲集中進行年度CDN產品升級發布,解讀全站加速(DCDN)離線日誌轉存新方案、邊緣流量管理、邊緣serverless等服務背後的技術與應用,為用戶展示更便捷、更安全、更極速的新一代CDN加速能力。
  • 阿里AI再獲圖像識別冠軍,可將深度學習算法壓縮100倍
    DoNews 7月30日消息（記者 趙晉傑）在CVPR 2019的低功耗圖像識別挑戰賽（LPIRC ，Low-Power Image Recognition Challenge）上，阿里AI獲得在線圖像分類任務第一名。這也意味著，阿里AI識別百萬圖像的算法，在手機上也能跑起來了。
  • 超全深度學習細粒度圖像分析:項目、綜述、教程一網打盡
    由於深度學習的蓬勃發展，近年來應用了深度學習的 FGIA 取得了顯著的進步。本文系統地對基於深度學習的 FGIA 技術進行了綜述。具體來說，本文將針對 FGIA 技術的研究分為三大類：細粒度圖像識別、細粒度圖像檢索和細粒度圖像生成。本文還討論了其他 FGIA 的重要問題，比如公開可用的基準數據集及其在相關領域的特定應用。本文在結尾處強調了未來仍需進一步探討的幾個方向以及待解決的問題。
  • 一場深度學習引發的圖像壓縮革命
    AlexNet 開啟了深度學習黃金時代，隨之而來是深度學習在圖像識別上的蓬勃發展：2013 年，ZF Net 以 11.2% 的低失誤率奪得 ILSVRC 冠軍；2014 年，VGG Net 在ILSVRC「分類及定位」比賽單項賽上的失誤率為 7.3%，同年，GoogLeNet以 6.7% 的失誤率取得 ILSVRC 冠軍
  • 基於深度學習的物候學識別
    點擊藍色字免費訂閱，每天收到這樣的好資訊本文闡述了基於深度學習的物候學識別，植物表型資訊簡介如下：研究人員利用農業監測網絡地面站的傳感器收集大量信息，通過將這些高質量的信息與現代圖像處理算法相結合，可逐步增加表型分析在農業上的應用潛力。
  • 關於MATLAB 圖像處理與深度學習的作用分析和介紹
    接下來我們將介紹如何創建該算法，並說明為何深度學習和圖像處理對於對象檢測和圖像分類同樣十分有用。 圖像處理與深度學習 我們重點介紹兩種技術： 圖像處理 按像素級別變換或者修改圖像。比如，過濾、模糊、去模糊和邊緣檢測等； 深度學習 通過學習樣本圖像自動識別圖像特點。近幾年，深度學習已經徹底改變了圖像處理領域。