精华内容
下载资源
问答
  • 人工智能图像识别技术在电力系统中的应用.pdf
  • 基于人工智能图像识别技术在分拣机器人中的应用和开发.pdf
  • (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111382294 A (43)申请公布日 2020.07.07 (21)申请号 201811513221.3 (22)申请日 2018.12.11 (71)申请人 上海维域信息科技有限公司 地址 ...
  • 变电站人工智能图像识别技术研 究与应用 韩睿 国网浙江省电力有限公司电力科学研究院 2019年11月21 日 目 录 目C o n t e n t s 录 01 背景及需求 02 技术框架及关键技术 03 问题及展望 背景及需求 随着大电网建设的...
  • 本文围绕这一课题领域,重点研究了输电线路本体装置及通道巡视对象基于人工智能图像识别技术的隐患排查与故障定位技术,并结合先验知识提出输电线路立体巡视模式,以应用模式研究为基础,设计研发了一套输电线路影像数据...
  • 基于AI图像识别技术的间冷塔冬季防冻智能监控系统研究.pdf
  • 4月3日消息,近日国美零售与云从科技签署战略合作协议,双方将共同开启人工智能技术在零售领域的深度应用,基于AI图像识别技术实现国美智能化购物场景,利用技术的手段赋能零售,在实体门店实现人流分析、热力图追踪...

    https://www.toutiao.com/a6677155404637536781/

     

    国美零售引入AI图像识别技术 线下自动识别用户数据

     

     

    4月3日消息,近日国美零售与云从科技签署战略合作协议,双方将共同开启人工智能技术在零售领域的深度应用,基于AI图像识别技术实现国美智能化购物场景,利用技术的手段赋能零售,在实体门店实现人流分析、热力图追踪以及监控、巡检、管理、盘点等功能,在线上实现人脸登陆、支付、售后服务工程师身份确认等功能。

    据悉,云从科技将为国美提供一整套AI图像识别技术智能解决方案,并搭建用户统一认证的平台。用户在国美门店购物时,AI图像识别系统可以自动识别用户数据,国美通过大数据分析,更加精准地为用户推荐商品,提供服务。国美也可以基于AI图像认证集成更多服务,如门店人流统计、用户轨迹热力图分析等,研究用户购物习惯,从而合理地为用户规划购物路线。此外,AI图像识别技术也将应用于门店的监控和门禁系统,保障用户购物过程中的安全性。

    另外一方面,在线上购物场景中,用户可以使用手机或平板电脑通过人脸登录国美APP,并用人脸识别进行支付。还可以通过AI图像识别智能身份认证,来确认上门服务的售后服务工程师身份,确保用户安全。

    国美零售高级副总裁吕意凡表示,人工智能技术的飞速发展为零售领域的变革带来机遇,国美零售与云从科技此次合作在行业内意义非凡,不仅在企业内部搭建了以人为核心的身份管理平台,同时借助AI图像识别技术还将实现门店的人流分析、热力图追踪以及监控、巡检、管理、盘点等功能,线上实现人脸登陆、支付、售后服务工程师身份确认,这将彻底颠覆人们对于购物方式的认识,改变用户的购物习惯,也将大大提升国美效益及用户转化率。

    展开全文
  • 准备工作:在百度云控制台创建文字识别模块;装备几张简单的有文字的图片。 百度官方文档:http://ai.baidu.com/docs#/OCR-API/7e4792c7 然后进入编码阶段: 如下代码获取access_token  client_id和client_...

    准备工作:在百度云控制台创建文字识别模块;装备几张简单的有文字的图片。

    百度官方文档:http://ai.baidu.com/docs#/OCR-API/7e4792c7

    然后进入编码阶段:

    如下代码获取access_token 

    client_id和client_secret是百度云列表提供的,复制即可。
    #!/usr/bin/env python
    # encoding: utf-8
    import urllib, urllib.request, sys
    import ssl
    
    # client_id 为官网获取的AK, client_secret 为官网获取的SK
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=5Yk7ssa……yymyqV&client_secret=zMlhp5……P2fkZGdpbq6l '
    request = urllib.request.Request(host)
    request.add_header('Content-Type', 'application/json; charset=UTF-8')
    response = urllib.request.urlopen(request)
    content = response.read()
    if (content):
        print(content)

    从输出数据中截取access_token备用。

    {"refresh_token":"25.5e3f0e551cb27c58ea1e7a4e4c0f443d.315360000.1859339833.282335-15049974","expires_in":2592000,"session_key":"9mzdXUMTh7C5l1k1D3BszGAXcDeKGM1PQaJ8kw20KKC+5wFOSDNhmDsFK4yWsL5MidWg7ixprSo\\/sfCta6TiS38mA2eCRw==","access_token":"24.f73c8f69fe8837dcebbae5b42394df37.2592000.1546571833.282335-15049974","scope":"public vis-ocr_ocr brain_ocr_scope brain_ocr_general brain_ocr_general_basic brain_ocr_general_enhanced vis-ocr_business_license brain_ocr_webimage brain_all_scope brain_ocr_idcard brain_ocr_driving_license brain_ocr_vehicle_license vis-ocr_plate_number brain_solution brain_ocr_plate_number brain_ocr_accurate brain_ocr_accurate_basic brain_ocr_receipt brain_ocr_business_license brain_solution_iocr brain_ocr_handwriting brain_ocr_vat_invoice brain_numbers brain_ocr_train_ticket brain_ocr_taxi_receipt wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test\\u6743\\u9650 vis-classify_flower lpq_\\u5f00\\u653e cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify","session_secret":"b964ff4e36293ff095d411371f45d9a2"}

    以下代码用来识别图片信息:

    注意替换access_token的值。

    #!/usr/bin/env python
    # encoding: utf-8
    import urllib.parse, urllib.request, base64
    access_token = '#####调用鉴权接口获取的token#####'
    url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general?access_token=' + '替换access_token'
    # 二进制方式打开图文件
    f = open(r'I:\\a.jpg', 'rb')#本地图片
    # 参数image:图像base64编码
    img = base64.b64encode(f.read())
    params = {"image": img}
    params = urllib.parse.urlencode(params).encode(encoding='UTF8')
    request = urllib.request.Request(url, params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    if (content):
        print((content).decode())

    图片a.jpg

     运行代码结果:

    {"log_id": 9118799040756169381, "words_result_num": 1, "words_result": [{"location": {"width": 76, "top": 146, "left": 79, "height": 41}, "words": "百度"}]}

     装一个身份证照片:

     

    再次运行代码,结果:

     所有数据都识别到!

     

    展开全文
  • 随着计算机人工智能技术的不断发展, 基于人工智能的各种应用层出不穷, 其中图像识别技术便是生活中应用最为广泛的一种。图 像识别是指利用计算机系统来完成图像匹配识别, 从而适配各种应用的技术,与人类识别...
  • 基于人工智能图像识别技术分析.pdf
  • 图像识别技术人工智能的一个重要领域。它是指对图像进行对象识别,以识别各种不同模式的目标和对像的技术。图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。图像识别,顾名思义,就是对...
  • 基于人工智能图像识别技术的研究.pdf
  • I-DO-讨论人工智能中的图像识别技术. I-DO-讨论人工智能中的图像识别技术
  • 面向人工智能图像识别技术的应用分析.pdf
  • 基于人工智能图像识别技术分析 (1).pdf
  • 图像识别技术原理和神经网络的图像识别技术

    万次阅读 多人点赞 2019-03-03 19:44:58
    图像识别技术是信息时代的一门...简单分析了图像识别技术的引入、其技术原理以及模式识别等,之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术图像识别技术的应用。从中可以总结出图像处理技术的应用...

    图像识别技术是信息时代的一门重要的技术,其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展,人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。简单分析了图像识别技术的引入、其技术原理以及模式识别等,之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术的应用。从中可以总结出图像处理技术的应用广泛,人类的生活将无法离开图像识别技术,研究图像识别技术具有重大意义。

    1图像识别技术的引入

    图像识别是人工智能的一个重要领域。图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。图像识别,顾名思义,就是对图像做出各种处理、分析,最终识别我们所要研究的目标。今天所指的图像识别并不仅仅是用人类的肉眼,而是借助计算机技术进行识别。虽然人类的识别能力很强大,但是对于高速发展的社会,人类自身识别能力已经满足不了我们的需求,于是就产生了基于计算机的图像识别技术。这就像人类研究生物细胞,完全靠肉眼观察细胞是不现实的,这样自然就产生了显微镜等用于精确观测的仪器。通常一个领域有固有技术无法解决的需求时,就会产生相应的新技术。图像识别技术也是如此,此技术的产生就是为了让计算机代替人类去处理大量的物理信息,解决人类无法识别或者识别率特别低的信息。

    1.1图像识别技术原理

    其实,图像识别技术背后的原理并不是很难,只是其要处理的信息比较繁琐。计算机的任何处理技术都不是凭空产生的,它都是学者们从生活实践中得到启发而利用程序将其模拟实现的。计算机的图像识别技术和人类的图像识别在原理上并没有本质的区别,只是机器缺少人类在感觉与视觉差上的影响罢了。人类的图像识别也不单单是凭借整个图像存储在脑海中的记忆来识别的,我们识别图像都是依靠图像所具有的本身特征而先将这些图像分了类,然后通过各个类别所具有的特征将图像识别出来的,只是很多时候我们没有意识到这一点。当看到一张图片时,我们的大脑会迅速感应到是否见过此图片或与其相似的图片。其实在“看到”与“感应到”的中间经历了一个迅速识别过程,这个识别的过程和搜索有些类似。在这个过程中,我们的大脑会根据存储记忆中已经分好的类别进行识别,查看是否有与该图像具有相同或类似特征的存储记忆,从而识别出是否见过该图像。机器的图像识别技术也是如此,通过分类并提取重要特征而排除多余的信息来识别图像。机器所提取出的这些特征有时会非常明显,有时又是很普通,这在很大的程度上影响了机器识别的速率。总之,在计算机的视觉识别中,图像的内容通常是用图像特征进行描述。

    1.2模式识别

    模式识别是人工智能和信息科学的重要组成部分。模式识别是指对表示事物或现象的不同形式的信息做分析和处理从而得到一个对事物或现象做出描述、辨认和分类等的过程。

    计算机的图像识别技术就是模拟人类的图像识别过程。在图像识别的过程中进行模式识别是必不可少的。模式识别原本是人类的一项基本智能。但随着计算机的发展和人工智能的兴起,人类本身的模式识别已经满足不了生活的需要,于是人类就希望用计算机来代替或扩展人类的部分脑力劳动。这样计算机的模式识别就产生了。简单地说,模式识别就是对数据进行分类,它是一门与数学紧密结合的科学,其中所用的思想大部分是概率与统计。模式识别主要分为三种:统计模式识别、句法模式识别、模糊模式识别。

    2图像识别技术的过程

    既然计算机的图像识别技术与人类的图像识别原理相同,那它们的过程也是大同小异的。图像识别技术的过程分以下几步:信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。

    信息的获取是指通过传感器,将光或声音等信息转化为电信息。也就是获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。

    预处理主要是指图像处理中的去噪、平滑、变换等的操作,从而加强图像的重要特征。

    特征抽取和选择是指在模式识别中,需要进行特征的抽取和选择。简单的理解就是我们所研究的图像是各式各样的,如果要利用某种方法将它们区分开,就要通过这些图像所具有的本身特征来识别,而获取这些特征的过程就是特征抽取。在特征抽取中所得到的特征也许对此次识别并不都是有用的,这个时候就要提取有用的特征,这就是特征的选择。特征抽取和选择在图像识别过程中是非常关键的技术之一,所以对这一步的理解是图像识别的重点。

    分类器设计是指通过训练而得到一种识别规则,通过此识别规则可以得到一种特征分类,使图像识别技术能够得到高识别率。分类决策是指在特征空间中对被识别对象进行分类,从而更好地识别所研究的对象具体属于哪一类。

    3图像识别技术的分析

    随着计算机技术的迅速发展和科技的不断进步,图像识别技术已经在众多领域中得到了应用。2015年2月15日新浪科技发布一条新闻:“微软最近公布了一篇关于图像识别的研究论文,在一项图像识别的基准测试中,电脑系统识别能力已经超越了人类。人类在归类数据库Image Net中的图像识别错误率为5.1%,而微软研究小组的这个深度学习系统可以达到4.94%的错误率。”从这则新闻中我们可以看出图像识别技术在图像识别方面已经有要超越人类的图像识别能力的趋势。这也说明未来图像识别技术有更大的研究意义与潜力。而且,计算机在很多方面确实具有人类所无法超越的优势,也正是因为这样,图像识别技术才能为人类社会带来更多的应用。

    3.1神经网络的图像识别技术

    神经网络图像识别技术是一种比较新型的图像识别技术,是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。这里的神经网络是指人工神经网络,也就是说这种神经网络并不是动物本身所具有的真正的神经网络,而是人类模仿动物神经网络后人工生成的。在神经网络图像识别技术中,遗传算法与BP网络相融合的神经网络图像识别模型是非常经典的,在很多领域都有它的应用。在图像识别系统中利用神经网络系统,一般会先提取图像的特征,再利用图像所具有的特征映射到神经网络进行图像识别分类。以汽车拍照自动识别技术为例,当汽车通过的时候,汽车自身具有的检测设备会有所感应。此时检测设备就会启用图像采集装置来获取汽车正反面的图像。获取了图像后必须将图像上传到计算机进行保存以便识别。最后车牌定位模块就会提取车牌信息,对车牌上的字符进行识别并显示最终的结果。在对车牌上的字符进行识别的过程中就用到了基于模板匹配算法和基于人工神经网络算法。
      3.2非线性降维的图像识别技术

    计算机的图像识别技术是一个异常高维的识别技术。不管图像本身的分辨率如何,其产生的数据经常是多维性的,这给计算机的识别带来了非常大的困难。想让计算机具有高效地识别能力,最直接有效的方法就是降维。降维分为线性降维和非线性降维。例如主成分分析(PCA)和线性奇异分析(LDA)等就是常见的线性降维方法,它们的特点是简单、易于理解。但是通过线性降维处理的是整体的数据集合,所求的是整个数据集合的最优低维投影。经过验证,这种线性的降维策略计算复杂度高而且占用相对较多的时间和空间,因此就产生了基于非线性降维的图像识别技术,它是一种极其有效的非线性特征提取方法。此技术可以发现图像的非线性结构而且可以在不破坏其本征结构的基础上对其进行降维,使计算机的图像识别在尽量低的维度上进行,这样就提高了识别速率。例如人脸图像识别系统所需的维数通常很高,其复杂度之高对计算机来说无疑是巨大的“灾难”。由于在高维度空间中人脸图像的不均匀分布,使得人类可以通过非线性降维技术来得到分布紧凑的人脸图像,从而提高人脸识别技术的高效性。

    3.3图像识别技术的应用及前景

    计算机的图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有应用。例如交通方面的车牌识别系统;公共安全方面的人脸识别技术、指纹识别技术;农业方面的种子识别技术、食品品质检测技术;医学方面的心电图识别技术等。随着计算机技术的不断发展,图像识别技术也在不断地优化,其算法也在不断地改进。图像是人类获取和交换信息的主要来源,因此与图像相关的图像识别技术必定也是未来的研究重点。以后计算机的图像识别技术很有可能在更多的领域崭露头角,它的应用前景也是不可限量的,人类的生活也将更加离不开图像识别技术。

    图像识别技术虽然是刚兴起的技术,但其应用已是相当广泛。并且,图像识别技术也在不断地成长,随着科技的不断进步,人类对图像识别技术的认识也会更加深刻。未来图像识别技术将会更加强大,更加智能地出现在我们的生活中,为人类社会的更多领域带来重大的应用。在21世纪这个信息化的时代,我们无法想象离开了图像识别技术以后我们的生活会变成什么样。图像识别技术是人类现在以及未来生活必不可少的一项技术。
      人工智能、大数据、云计算和物联网的未来发展值得重视,均为前沿产业,多智时代专注于人工智能和大数据的入门和科谱,在此为你推荐几篇优质好文:
      AI可以识别图像,但它能理解标题吗?
    http://www.duozhishidai.com/article-10635-1.html
      图像识别经历了哪几个阶段,主要应用在哪些领域?
    http://www.duozhishidai.com/article-6461-1.html
      图像识别技术是什么,应用于智能家居哪些领域
    http://www.duozhishidai.com/article-133-1.html


    多智时代-人工智能大数据学习入门网站|人工智能、大数据、物联网云计算的学习交流网站

    多智时代-人工智能大数据学习入门网站|人工智能、大数据、云计算、物联网的学习服务的好平台
    展开全文
  • 基于人工智能图像识别技术在交通气象服务中的应用.pdf
  • 人工智能图像识别技术调研问卷 感谢您能抽出几分钟时间来参加本次答题现在我们就马上开始吧 Q1您的性别 男 女 Q2您的年龄 20岁以下 20~30岁 30~40岁 40岁以下 Q3您对图像识别技术是否有深入了解 非常了解 了解 听...
  • 基于人工智能图像识别技术在城市轨道交通AFC系统的应用.pdf
  • 试析图像识别技术人工智能中的应用.pdf
  • 图像识别技术人工智能中的应用探析.pdf
  • 基于人工智能图像识别技术在抽水蓄能电站中的应用研究.pdf
  • 人工智能 图片识别 图像识别

    万次阅读 2018-02-26 18:38:02
    图像识别人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型。这种模型认为,识别某个图像,必须在过去的经验中有这个图像的记...
    
    

    图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。另外在地理学中指将遥感图像进行分类的技术。

    图像识别是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型。这种模型认为,识别某个图像,必须在过去的经验中有这个图像的记忆模式,又叫模板。当前的刺激如果能与大脑中的模板相匹配,这个图像也就被识别了。例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。这个模型简单明了,也容易得到实际应用。但这种模型强调图像必须与脑中的模板完全符合才能加以识别,而事实上人不仅能识别与脑中的模板完全一致的图像,也能识别与模板不完全一致的图像。例如,人们不仅能识别某一个具体的字母A,也能识别印刷体的、手写体的、方向不正、大小不同的各种字母A。同时,人能识别的图像是大量的,如果所识别的每一个图像在脑中都有一个相应的模板,也是不可能的。

    为了解决模板匹配模型存在的问题,格式塔心理学家又提出了一个原型匹配模型。这种模型认为,在长时记忆中存储的并不是所要识别的无数个模板,而是图像的某些“相似性”。从图像中抽象出来的“相似性”就可作为原型,拿它来检验所要识别的图像。如果能找到一个相似的原型,这个图像也就被识别了。这种模型从神经上和记忆探寻的过程上来看,都比模板匹配模型更适宜,而且还能说明对一些不规则的,但某些方面与原型相似的图像的识别。但是,这种模型没有说明人是怎样对相似的刺激进行辨别和加工的,它也难以在计算机程序中得到实现。因此又有人提出了一个更复杂的模型,即“泛魔”识别模型。

    图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。文字识别的研究是从 1950年开始的,一般是识别字母、数字和符号,从印刷文字识别到手写文字识别, 应用非常广泛。

    数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储,传输方便可压缩、传输过程中不易失真、处理方便等巨大优势,这些都为图像识别技术的发展提供了强大的动力。物体的识别主要指的是对三维世界的客体及环境的感知和认识,属于高级的计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向,其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的一个不足就是自适应性能差,一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果。

    图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前,在图像识别的发展中,主要有三种识别方法:统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术,自20世纪70年代,其研究已经有几十年的历史,一直都受到人们的高度重视,至今借助于各种理论提出了数以千计的分割算法,而且这方面的研究仍然在积极地进行着。

    现有的图像分割的方法有许多种,有阈值分割方法,边缘检测方法,区域提取方法,结合特定理论工具的分割方法等。从图像的类型来分有:灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子,使得边缘检测产生了不少经典算法。但在近二十年间,随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展,有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、 方法和工具,如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。

    相关公司
    图像识别创业公司小花儿人工智能

    小花儿人工智能曾于2010年得到关注,当时该公司获得了100万美元投资并开发了一款API(应用程序接口),帮助网络零售商和应用开发者提供视觉搜索引擎。该公司随后还出席了2010年的DEMO大会,并被业内人士认为是最值得关注的创业公司之一。

    图片识别

    展开全文
  • python人工智能-图像识别

    万次阅读 多人点赞 2019-02-16 09:25:34
    一、安装库 首先我们需要安装PIL和pytesseract库。...pytesseract:图像识别库。 我这里使用的是python3.6,PIL不支持python3所以使用如下命令 pip install pytesseract pip install pillow 如果是p
  • 从一片树叶入手认识图像识别技术——探索小学信息技术人工智能启蒙课程.pdf
  • 基于bp人工智能图像识别技术,配套源代码-bp artificial intelligence-based image recognition technology and supporting source code

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 83,406
精华内容 33,362
关键字:

人工智能图像识别技术