精华内容
下载资源
问答
  • 人工智能图像识别助力输电线路智能运检
  • 基于人工智能图像识别的AGV小车的研究.pdf
  • 人工智能图像识别助力输电线路智能运检.zip
  • 人工智能图像识别技术在电力系统中的应用.pdf
  • imageai.rar imageai图像识别项目
  • 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
  • 随着人工智能技术领域的不断革新,采用图像识别等新技术推动电力输电巡检业务发展成为近年来电网行业的重大课题。输电线路运行状态识别智能化工作,主要内容包括输电线路运行状态识别智能化、输电线路缺陷识别智能化、...
  • 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...
  • 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
  • 选择了阿里云视觉智能开放平台(https://vision.aliyun.com/)、百度AI开放平台(https://ai.baidu.com/)、旷视科技(https://www.faceplusplus.com.cn/)、京东人工智能开放平台(http://neuhub.jd.com/)、腾讯云...
  • Python从入门到项目实践--AI图像识别工具
  • AI图像识别在地铁安全保护管理中的应用.pptx
  • AI图像识别在地铁安全保护管理中的应用.pdf
  • AI图像识别在地铁安全保护区 管理中的应用;01 项目背景;01;01;每3公里为1个巡查区间;巡查APP 利用人员运动轨迹定位布防地铁沿线各安保区;面临的局限性;01;02 三种视频巡查模式;03 AI图像识别技术;03 AI图像识别技术;...
  • AI 图像识别的测试

    万次阅读 2018-05-14 20:02:34
    而人脸识别作为机器视觉应用场景里最普及常见的一环,因此这一篇结合AI 的架构和核心,以及人脸识别来讲一讲,AI 怎么测试,以及 AI 测试与传统测试的区别和共同点。 人脸识别AI的关系 先了解...

    随着AI 的浪潮发展,AI 的应用场景越来越广泛,其中计算机视觉更是运用到我们生活中的方方面面。
    作为一个测试人员,需要紧跟上 AI 的步伐,快速从传统业务测试,转型到 AI 的测试上来。而人脸识别作为机器视觉应用场景里最普及常见的一环,因此这一篇结合AI 的架构和核心,以及人脸识别来讲一讲,AI 怎么测试,以及 AI 测试与传统测试的区别和共同点。

     

     

    人脸识别和 AI的关系

    先了解 AI两个基本概念。

    a) 计算机视觉

     

    也称为机器视觉,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
    最好理解的场景,比如拍一个花的照片,通过机器学习自动告知用户这是什么花。拍一个店铺的照片,机器学习自动分析出店铺的名字,以及店铺的位置。

     

    b) 生物识别

    通过计算机,与光学、声学、生物传感器、统计学的概念手段结合,利用人体固有的生理特性和行为特征进行个人身份的鉴定。比如通过人的指纹,和数据库录入的指纹比较,判断是否是同一个人。

    机器视觉和生物识别都属于AI 的应用领域,机器视觉和生物识别的本质,都在于对于图像图像的识别和比对。人脸识别,则是将机器视觉与生物识别结合,对人类的面部特征应用计算机视觉的一个典型场景。

     

     

    怎么测试图像识别

    结合 AI 的架构和核心来分析。

     

    1. 数据收集和处理

    既然是视觉,必然是人肉眼所能看到的内容,动态和静态的景、人、建筑、动植物、书本等等,归根结底可以认为是图片。数据收集的过程是,在安装拍照摄像设备之后,从动态的场景与复杂的背景中判断是否存在识别的对象,并分离出对象。采集到照片。因此测试需要从至少这两方面来考虑。
    a) 采集的素材
    图片的像素、大小、清晰度、色彩、复杂度、噪声等,会直接影响到计算机识别的结果。
    举个例子来说,下方的三个图,对于肉眼和计算机学习去区分的难度是明显不一样的。识别的难度A一定小于B和C。
                             图A                                                     图B                                                      图C

    b) 采集的器材

    图片一般是用摄像头拍摄获得的,那么不同品牌和参数的摄像头,拍摄出来的照片像素、清晰度、色彩,甚至是层次都会有差异。

     

    2. 数据理解和特征提取

    数据理解的目的在于,获取到原始数据之后,分析数据的有效性,并且将数据里有用的, 并且将有典型特征的抽取出来。比如我们拍摄的各种照片,需要从中识别出是包含一朵花的,还是包含一个人的,是一辆自行车还是一辆小汽车。
    这个唯一的解决方案是,让机器拿到足够多的样本进行训练,训练的越多,模型将越准确。

    测试模型的准确性,也要针对性的找足够多足够全的样本。假设识别的对象是花,那么就尽可能的测试到各地、各类、各种颜色、各种角度的花,真实材质非真实材质等等。假设识别的对象是车,那么就尽可能的测试到各种类别、各种品牌、各种款式的车。

     

    3. 模型构建、训练和评估

    计算机只会告诉我们比对的两张图片的相似程度,是80%或者是20%,但不会告诉我们这两张图里的内容是否是同一个东西。因此图片比对一定会有一个阈值的概念。设置相似度大于x%的时候,视为比对通过,小于x%的时候,视为比对不通过。
    设定阈值的过程就是模型评估。阈值设定过低,则比对通过率高,误报率可能也会升高。阈值设定过高,则比对通过率低,误报率可能也会降低也可能会增高。
    测试时,需要不断的尝试不同的阈值,找一个通过率和误报率的平衡点。要针对算法的优劣进行针对性的测试,因为有的算法过于严苛,有的算法不够精准。

     

     

    人脸识别和图像识别的差异

    人脸识别应用场景 VS 普通图像识别应用场景

    对于人脸来说,最大的问题在于面部特征部位多、可改变性强、面部表情丰富,并且具有动态变化的特性。

    另外人脸识别主要用于银行、机场、出入境的安防,因此相比一般的机器视觉来讲,安全方面显得更加重要。

     

    AI 测试和传统测试的异同点

    综合来说,AI 测试,需要结合 AI 的架构、算法和应用场景做针对性的测试。除此以外,一般性的功能、性能、兼容和传统业务测试无异。

    展开全文
  • 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
  • 这篇文章带大家使用云函数来整合百度ai图像识别SDK 也算是云函数的一个小练习 最好看完上个文章再来看这个 就当练习 两个文档需要看 uniCloud https://uniapp.dcloud.io/uniCloud/cf-common 百度ai图像识别SDK文档 ...

    上篇文章https://blog.csdn.net/qq_42027681/article/details/113746528我们大致了解了下云函数
    这篇文章带大家使用云函数来整合百度ai图像识别SDK
    也算是云函数的一个小练习 最好看完上个文章再来看这个 就当练习
    两个文档需要看
    uniCloud https://uniapp.dcloud.io/uniCloud/cf-common
    百度ai图像识别SDK文档 https://cloud.baidu.com/doc/IMAGERECOGNITION/s/bk3bcxkdg

    我们的视频教程(免费)链接为https://static-b5208986-2c02-437e-9a27-cfeba1779ced.bspapp.com/

    视频

    云开发云函数练习---整合百度ai开放平台api

    将sdk制作成公共模块

    创建common目录

    如果你没有cloudfunctions 参考上篇文章
    在这里插入图片描述

    鼠标右键点击这个文件夹 新建common目录
    在这里插入图片描述

    新建公共模块

    右键点击common新建公共模块
    我在这里起名为hello
    在这里插入图片描述 在这里插入图片描述

    创建完成

    npm导入百度aip

    这个时候 我们可以控制台进入 hello目录
    在这里插入图片描述
    根据百度ai开放平台图像识别SDK文档
    https://cloud.baidu.com/doc/IMAGERECOGNITION/s/bk3bcxkdg

    可得 我们需要 npm install baidu-aip-sdk来安装依赖
    在hello目录下安装 执行npm install baidu-aip-sdk 建议使用cmd
    在这里插入图片描述
    在这里插入图片描述安装完成

    再次封装

    uniapp文档说 需要使用module.exports导出模块

    我们在 /hello/index.js来编写

    根据百度ai文档 node引入如下
    在这里插入图片描述
    我们结合下

    var AipImageClassifyClient = require("baidu-aip-sdk").imageClassify;
    
    // 设置APPID/AK/SK
    var APP_ID = "你的 App ID";
    var API_KEY = "你的 Api Key";
    var SECRET_KEY = "你的 Secret Key";
    
    // 新建一个对象,建议只保存一个对象调用服务接口
    var client = new AipImageClassifyClient(APP_ID, API_KEY, SECRET_KEY);
    module.exports = client
    
    

    公共模块完成 右键点击hello文件夹 上传公共模块

    编写云函数

    按照上篇文章 我们右键单击cloudfunctons新建云函数 这里我起名为usehello
    在这里插入图片描述
    右键点击usehello 选择管理公共模块依赖 选择hello 更新依赖
    在这里插入图片描述

    代码

    'use strict';
    let client = require('hello')
    exports.main = async (event, context) => {
    	return new Promise(function(resolve){
    		client.advancedGeneral(event.bas64).then(function(result) {
    			resolve(result)
    		}).catch(function(err) {
    		    // 如果发生网络错误
    		    console.log(err);
    			return "error"
    		});
    	})
    };
    
    

    代码解释

    event.bas64为接收的base64数据 具体往下看前端测试调用云函数
    首先 我们导入公共模块的hello导出的client
    在 主函数中编写 这里使用通用物体识别 根据文档
    在这里插入图片描述
    在这里插入图片描述

    这里我们直接给云函数传送base64数据 当然等会会讲 图片也压缩了(用到了插件)

    返回一个Promise对象 如果不使用Promise可以使用回调 但是Promise方便
    我们把识别的结果抛出

    云函数编写完成 右键点击hello 更新依赖本模块的云函数

    小踩坑

    如果出现 上传公共模块后 云函数还报错说无依赖的公共模块 需要你上传
    修改 云函数目录下的package.json

    "dependencies": {
    		"hello": "file:..\\common\\hello"
    	}
    

    改为

    "dependencies": {
    		"hello": "file:../common/hello"
    	}
    

    操作完成即可

    前端测试

    我们直接使用 index
    在这里插入图片描述
    这里给logo图像加了个点击事件 testOne
    使用了别人的压缩插件来压缩图像 插件地址https://ext.dcloud.net.cn/plugin?id=2316
    当然如果不想使用别人的压缩插件 可以 通过如下步骤压缩
    图片画到canvas上 自行压缩尺寸 最后生成 base64数据

    页面

    <template>
    	<view class="content">
    		<image class="logo" src="/static/logo.png" @click="testOne"></image>
    		<helang-compress ref="helangCompress"></helang-compress>
    		<view class="text-area">
    			<text class="title">{{title}}</text>
    		</view>
    	</view>
    </template>
    

    功能

    说明

    首先我们使用了uni.chooseImage选择一个图片 然后通过插件来压缩图片
    然后将图片转换为base64数据 并调用云函数

    图片转base64

    请求压缩图像得到的临时图像地址 请求得到arraybuffer 通过uni.arrayBufferToBase64转化为base64

    uni.request({
    	url:resp,
    	method:'GET',
    	responseType: 'arraybuffer',
    	success:function(res){
    		let base64s = uni.arrayBufferToBase64(res.data);
    	}
    }
    

    调用云函数

    可以参考文档 https://uniapp.dcloud.io/uniCloud/cf-functions?id=clientcallfunction

    我们调用写的usehello云函数 传送base64数据 key:value格式传送数据bas64:base64s

    uniCloud.callFunction({
    	name:'usehello',
    	data: {bas64:base64s}
    	}).then(res=>{
    		console.log(res.result.result)
    	})
    

    得到抛出的结果

    效果如下

    在这里插入图片描述

    完整功能代码

    <script>
    	import helangCompress from '@/components/helang-compress/helang-compress';
    	export default {
    		components: {
    			helangCompress
    		},
    		data() {
    			return {
    				title: 'Hello'
    			}
    		},
    		onLoad() {
    
    		},
    		methods: {
    			testOne() {
    				let vm = this;
    				uni.chooseImage({
    					count: 1,
    					success: function(resq) {
    						let filePath = resq.tempFilePaths[0]
    						vm.$refs.helangCompress.compress({
    							src: filePath,
    							maxSize: 100,
    							fileType: 'jpg',
    							quality: 0.1,
    							minSize: -1 //最小压缩尺寸,图片尺寸小于该时值不压缩,非H5平台有效。若需要忽略该设置,可设置为一个极小的值,比如负数。
    						}).then(resp=>{
    							uni.request({
    								url:resp,
    								method:'GET',
    								responseType: 'arraybuffer',
    								success:function(res){
    									let base64s = uni.arrayBufferToBase64(res.data);
    									uniCloud.callFunction({
    										name:'usehello',
    										data: {bas64:base64s}
    									}).then(res=>{
    										console.log(res.result.result)
    									})
    								}
    							})
    						})
    					}
    				})
    			}
    		}
    	}
    </script>
    





    朋友,实不相瞒,我想给你送一份真挚的新年礼物,趁新年伊始快来入驻腾讯云+社区,和我一起做技术分享,在这里我不仅收获了满满的礼物,还获得了认同感和成就感。技术需要传播薪种,而我们都是火种的传播人。朋友,我们山顶见,期待在云端看见你!
    https://cloud.tencent.com/developer/support-plan?invite_code=guxjsio9ud3l
    后续会推出

    前端:js入门 vue入门 vue开发小程序 等
    后端: java入门 springboot入门等
    服务器:mysql入门 服务器简单指令 云服务器运行项目
    python:推荐不温卜火 一定要看哦
    一些插件的使用等

    大学之道亦在自身,努力学习,热血青春
    如果对编程感兴趣可以加入我们的qq群一起交流:974178910
    在这里插入图片描述

    有问题可以下方留言,看到了会回复哦

    展开全文
  • AI 图像识别项目从入门到上线

    千次阅读 2019-01-02 19:30:00
    AI 图像识别项目从入门到上线课程简介:本课程是一个完整的项目实战课程,从项目调研开始到项目最终上线,完整的复现了基于深度学习的实战项目的流程。本课程系列文章具有很强的工...

    AI 图像识别项目从入门到上线

    课程简介:

    本课程是一个完整的项目实战课程,从项目调研开始到项目最终上线,完整的复现了基于深度学习的实战项目的流程。

    本课程系列文章具有很强的工程性质,同时内容追求循序渐进,建议从头开始学习。

    • 第 01~02 课,将讲述如何调研一个项目,如何获取数据与整理数据。

    • 第 03~05 课,将介绍 Linux、图像、Python 等开源包,以及神经网络的基础知识,为接下来的项目做准备。

    • 第 06~08 课,将介绍目前 3 大用户量最大的深度学习开源平台,将讲述准备数据、定义网络、训练模型、使用模型测试自己的图片的整个流程。

    • 第 09~11 课,将集中讲解如何训练模型并进行迭代优化。

    • 第 12~14 课,我们将把训练出来的模型部署到微信小程序上,同时介绍小程序的前、后端的基础技术。

    认真学完这个系列文章之后,将会深入理解一个基于深度学习的项目是如何从一个想法变为一个真正产品的。

    对于欲转行的人来说,它提供了一个完整的学习链,学习完之后将直接具有从事该行业的基本能力。对于已经是相关从业人员来,可以作为一个知识和经验的补充。

    长按扫码报名 

    640?wx_fmt=png

    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_...
  • imageai官网地址: 传送门 1、安装环境(最终版) 安装python-3.6.8-amd64 一键安装,勾选添加到path中 安装imageAI --官网地址:https://imageai-cn.readthedocs.io/zh_CN/latest/ImageAI.html#id1 cmd执行: pip3 ...
  • 摘要:百度AI的文档中心是Python2写的示例代码,我的是Python3,之间遇到一些问题,主要是字符串的编码问题,后面有总结。以下是修改之后的Python3 示例代码 一、获取access_token示例代码 import urllib.request...
  • 实现人工智能识别超市商品商品 效果图: 效果视频:、 python yolo超市商品识别 项目代码下载: 链接:https://pan.baidu.com/s/1Ha7Y3-qW-evjHA9DOLaiKg 提取码:21wu 复制这段内容后打开百度网盘手机A...
  • 基于边缘计算的AI图像识别、缺陷识别输电线路、配电线路大部件研究报告 1 研究目的和意义 1.1 背景 近十年,随着信息产业技术的飞速发展,传统行业正面临着爆炸和多元、可持续的业务需求,传统产业渴望抓住这次颠覆...
  • 本文描述一个基于人工智能2D图像识别算法实现的绘本阅读方案,应用于绘本阅读机器人和绘本阅读手机APP。主要内容包括:基础算法,方案架构及工程化,项目遇到的坑及解决方案。为了更容易理解,本文重点描述项目的...
  • 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
  • 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...
  • 近日,第三届图像识别竞赛WebVision中,阿里AI击败了全世界150多支参赛队伍,获得冠军。WebVision由谷歌、美国卡耐基梅隆大学、苏黎世联邦理工大学等机构联合...
  • AI人工智能图像识别。图象的检测,模板匹配算法代码.zip

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 112,832
精华内容 45,132
关键字:

人工智能图像识别