一些公司的产品路线可以很好地给我们启示,欢迎看客补充。
可参考:从人脸识别到机器翻译:52个有用的机器学习和预测API
文章目录
- 一、微软认知服务API
-
- 1、年龄、性别检测
- 2、物体分类、识别
- 3、识别名人
- 4、读取图片中的文字
- 5、情绪识别+视频图片情绪识别
- 6、人脸技术
- 7、视频中的图像技术
- 二、国内图像处理
-
- 1、face++旷视(人脸识别)
- 2、格灵深瞳(图像识别)
- 3、图普科技(图像识别)
- 4、Linkface 脸云科技(人脸识别)
- 5、腾讯优图(人脸识别)
- 6、SenseTime 商汤科技(图像识别)
- 7、衣+(图像识别)
- 8、码隆科技(图像识别)
- 9、依图科技依图:与您一起构建计算机视觉的未来
- 10、tu Simple图森
- 11、飞搜
- 12、faceFinger 脸指
- 13、颜鉴
- 14、Netposa 东方 力科技股份有限公司
- 15、 易易盾——广告图片识别
- 16、车伯乐拍照识车
- 17、百度研究院
- 18、荟萃-荟集人力之萃
- 19.深图智服
- 20、Linkfluence
- 21、易道博识
- 22 、我知图
- 23 慧科AI实验室 Wisers AI Lab
- 24 ImageDT 图匠数据- 图片大数据的商业应用
- 25 朗镜科技 – AI品牌识别
- 26 拍拍赚
- 27 trax – 货架识别新零售(国外)
- 27.1 新零售:品览-AI巡店
- 27.2 新零售:觉醒向量
- 27.3 新零售:零眸智能
- 28 美图AI开放平台
- 29 有道智云
- 30 易AI平台
- 31 京东云
- 32 搜狗AI开放平台
- 33 欧拉密AI开放平台
- 34 讯飞AI开放平台
- 三、国外图像处理公司
-
- 1、Enlitic 医疗诊断
- 2、Affectiva 面部表情分析
- 3、Deepomatic 计算机视觉
- 4、Clarifai 图像和视频识别
- 5、Descartes Labs 图像识别、卫星与农业
- 6、MetaMind 自然语言处理和图像识别
- 7、HyperVerge 计算机视觉与图像识别引擎
- 8、Tractable 计算机视觉
- 9、服装推荐Indico
- 10、使用深度学习(Algorithmia API)为照片着色
- 11、AWS的人脸表情识别
- 12、Hashley你的照片自动生成诙谐的标签或评论
- 13、Hotness.ai于照片来分析你的性感程度
- 14、Bitesnap于照片的食物识别 AI,可用于控制热量摄入
- 15、Fify你买衣服
- 16、GoFind用照片来为你在线搜衣服
- 17、Mode.ai你在线找衣服
- 18、AI Weekly周的人工智能与机器学习新闻、资源汇总
- 19、Approximately Correct人工智能与机器学习博客
- 20、AxiomzenI 行业通讯半月刊
- 21、Concerning.aiI 评论
- 22、Fast.ai致力于普及深度学习
- 23、Machinelearning.ai注于机器学习、人工智能新闻
- 24、Machine Learning Weekly份手工的机器学习、深度学习周
- 25、PRAI人工智能、机器学习、深度学习的一个论坛
- 26、Rekognition
- **参考文献:**
一、微软认知服务API
2、物体分类、识别
5、情绪识别+视频图片情绪识别
可检测到的情感有愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤以及惊讶。这些情感具有特定的面部表情,被认为是可进行跨文化和普适交流的。
16、车伯乐拍照识车
依靠车辆语义分割和机器识别,分析比对图片信息与数据库信息,从而识别出照片中的车辆信息。目前车伯乐的拍照识车准确率已经超过96%。
17、百度研究院
http://apistore.baidu.com/
20、Linkfluence
交舆情,营销 告
https://linkfluence.com/zh-hans/
.
21、易道博识
OCR是主打,人脸识别、图像识别
http://www.exocr.com/coretech/TextReco.html#page7
22 、我知图
http://www.tudatech.com/
主要还有视频内容 的解读。
品牌识别:
26 拍拍赚
http://retailstore.ai/
27 trax – 货架识别新零售(国外)
https://traxretail.com/cn/technology/
29 有道智云
https://ai.youdao.com/product-ocr.s
31 京东云
http://neuhub.jd.com/
33 欧拉密AI开放平台
https://cn.olami.ai/open/website/apiandsolution/dialogue_robot
三、国外图像处理公司
1、Enlitic 医疗诊断
Enlitic于2014年8月在三藩市成立,采用深度学习和图像分析帮助医生做出诊断并标记出医学图像中的异常,从而让医疗更加精确和更有效率。例如,Enlitic可以分析X光、核磁共振成像或CT扫描得到的医学图像,然后找出数据中的趋势或单个图像中的异常情况。
公司创始人Jeremy Howard(同时也是一名黑客和数据科学家)认为,数据科学是项非常性感的职业。但是,数据科学家现在做的大部分工作却是产品推荐或者广告投放等。他觉得这不够性感。为了给数据科学找到更好的应用,让深度学习做些更有意义的事情,他将注意力放在了医疗方面。
他的基本思考是,创造一个类似星际迷航三录仪一样的系统(不过可能无法便携),搜集有关特定病人的数据——从医疗图片、实验室检测结果到医生的便笺——让深度学习分析这些数据,做出诊断并给出治疗建议。这并非让机器替代医生,而是为其提供让诊断更加便利的工具。公司还将与诊所、医院以及其他医疗单位合作,分析算法,进一步精炼公司的技术。
2、Affectiva 面部表情分析
Affectiva的技术采用先进的计算机视觉算法来捕捉和识别视觉刺激所激发的情感反应。Affectiva的旗舰产品Affdex简单易用;只要一个摄像头,任何地方都可以,也不需要安装软件。另外Affdex也很简洁低调,没有凌乱的布线或电极。
3、Deepomatic 计算机视觉
4、Clarifai 图像和视频识别
2013年,Clarifai的第一个图像识别系统在识别图像中的物体的ImageNet比赛中进入了前五强。自那以后,Clarifai的深度学习系统不断进化,提高了识别的速度、词典的大小和内存的占用,同时应用范围也超出了图像识别,可以从各种形式的数据中提取知识。Clarifai的技术中枢是高性能深度学习API,在这之上Clarifai正在构建新一代智能应用。这让Clarifai能够通过以全新的创新的方式向所有人提供高技术解决方案应对日常问题。
公司创始人Matthew Zeiler,纽约大学计算机科学PHD,曾和深度学习领域两个最牛人物一——Geoff Hinton和Yann LeCun一起工作过五年。他发现真正困难的地方是建立学习模式——处理所有视觉数据的关键算法——能够快速处理各种不同图片。Zeiler很清楚,「训练这些模型与其说是科学工作,不如说是种艺术」,「需要很多年的经验。」这正好是Clarifai的切入点。Zieler的想法是,只要用户将照片上传到Clarifai软件,这个软件就会分析出照片里的内容并提供与此类似的更多照片。与传统基于文本的图片搜索截然不同的是,这是真的以视觉为基础的搜索。
可以免费获得其API使用:
5、Descartes Labs 图像识别、卫星与农业
基于深度学习和先进的遥感算法,Descartes Labs正在教导计算机如何看世界以及世界如何随时间改变。他们的第一个应用是使用大量卫星图像(包括可见光段和不可见光段),更好了解全球农作物生产。
6、MetaMind 自然语言处理和图像识别
MetaMind想让人人都能使用深度学习。该公司正在打造一个用于自然语言处理、图像理解和知识基础的分析的人工智能平台。该公司提供了用于医疗成像、食物识别和解决方案定制的产品。
MetaMind希望提供包括自然语言处理在哪的更为广泛多样的工具。 深度学习有望帮助机器真正理解用户说的话,而这种技术的关键特点之一就是能够自我训练,这也是许多人相信它能有助于自然语言处理的根据所在。而这正是另一个MetaMind工具正在开发的领域,当你输入连个句子,这个工具能够告诉你两个句子的相似程度。这种技术能够被商家用来自动回复客户问题。Socher说,用户的询问方式多种多样,尽管绝大多数时候,意思差不都多。这个工具也能用来分析一些 交 络(比如推特)上用户对公司的评价。
MetaMind目前从事深度学习咨询的业务,也会提供自己的深度学习服务和软件。借由运行MetaMind的数以百计装备成千上万图像处理器的学习机器,这一在线服务省去了客户建立自己系统的麻烦和成本。但是,如果客户想要运营自己的深度学习系统,MetaMind会为它提供软件和专业服务,如果确有必要的话。
7、HyperVerge 计算机视觉与图像识别引擎
HyperVerge使用深度学习算法处理云中消费者的图片和视频。HyperVerge开发的用于图像处理的已获专利的专有图像技术模型包括:面部检测、面部识别、场景识别、差照片检测、重复照片检测、照片分类、相册总结、面部美化和照片美化。
8、Tractable 计算机视觉
Tractable正在开发专有的机器学习算法,重点是用于计算机视觉的深度学习。该公司的重点是让未标记的数据和监督学习一起工作。应用领域包括保险索赔、工业检测、远程监控等
9、服装推荐Indico
演示 址:https://indico.io/demos/clothing-matching
推荐系统正在日益凸显它的价值。随着商品数目的增加,瞄准那些可能愿意购买某种产品的特定消费人群变得格外重要。在这一类应用的开发中,深度学习同样也能帮助到我们!
我不是个时尚爱好者,但是我知道人们会“浪费”很多时间在选择穿什么样的衣服上。如果我们能拥有一个知道我们的喜好并且能够向我们推荐完美的穿着的智能机器人该有多好!
幸运的是,在深度学习的帮助下,这成为了可能。
Indico 的官方文章(https://indico.io/blog/fashion-matching-tutorial/)已经对它做了非常详细的描述。现在让我们弄清楚你要如何在你的终端上构建这个推荐系统。
9.1 服装推荐 Stitch Fix玩转时尚算法
来自文章:Stitch Fix玩转时尚算法,年销7.3亿 IT派
在进入正题前,我们需要了解Stitch Fix如何給客户服务。具体步骤如下:
- 第1步:顾客填写风格偏好问卷
- 第2步:选择订购周期:从两周一次到每季度一次不等
- 第3步:造型师挑款,收取造型费20元
- 第4步:顾客按时收到盒子(Fix),里面有5件衣服,和搭配方法
- 第5步:试穿,确定购买或退回。造型费可冲抵服装费用。
其中使用了非常多的算法:
- 评分排序:针对淘汰后留存的每一款服饰,机器会尝试评估这个客户喜欢这款商品的相关概率。经典的协同过滤问题:在基于之前所收集的不同客户对不同风格商品的回馈历史数据,他们填充一个稀疏矩阵
- 用户喜好问卷,可以选衣服,库存的每一款商品上提前计算出来向量与这些向量之间求它们的余弦相似度作为分数。
- 仓库取货路径问题,在确定好应该挑选的商品后,因为仓库比较大,还需要规划取货路径。这是一个经典的算法问题,是一个NP-hard旅行商问题,已有方法求得这类问题的次优解。
10、使用深度学习(Algorithmia API)为照片着色
六招教你用Python构建好玩的深度学习应用
自动着色一直是计算机视觉 区中的热门话题。从一张黑白图片获得一张彩色照片似乎是件超现实的事。想象一个4岁的孩子拿着蜡笔全神贯注于涂鸦本的场景,我们是否能教会人工智能同样去做这件事情呢/p>
11、AWS的人脸表情识别
https://aws.amazon.com/cn/rekognition/c2=h_a1
检测图像中的对象、场景和面孔。您还可以搜索和比较面孔。借助 Rekognition 的 API,您可以快速为应用程序添加基于深度学习的复杂视觉搜索和图像分类功能。
12、Hashley你的照片自动生成诙谐的标签或评论
http://hash.ai/

13、Hotness.ai于照片来分析你的性感程度
http://hotness.ai/
14、Bitesnap于照片的食物识别 AI,可用于控制热量摄入
https://getbitesnap.com/
Entrupy动识别衣服与配饰的真假
https://www.entrupy.com/
15、Fify你买衣服
http://fify.ai/
16、GoFind用照片来为你在线搜衣服
http://gofind.ai/
17、Mode.ai你在线找衣服
http://mode.ai/
18、AI Weekly周的人工智能与机器学习新闻、资源汇总
19、Approximately Correct人工智能与机器学习博客
http://approximatelycorrect.com/
20、AxiomzenI 行业通讯半月刊
http://ai.axiomzen.co/
21、Concerning.aiI 评论
https://concerning.ai
22、Fast.ai致力于普及深度学习
http://www.fast.ai/
23、Machinelearning.ai注于机器学习、人工智能新闻
http://machinelearning.ai
24、Machine Learning Weekly份手工的机器学习、深度学习周
http://mlweekly.com
25、PRAI人工智能、机器学习、深度学习的一个论坛
https://pr.ai/index.php
26、Rekognition
为 交图片应用提供面部和场景的识别和优化。Rekognition API 可以利用眼睛、嘴、鼻子和面部的特征实现情绪识别和性别检测,可以用来确定性别、年龄和情绪。
链接:http://www.programmableweb.com/api/rekognition
参考文献:
1、机器之心:业界|最值得关注的18家深度学习创业公司
2、知乎,国内有哪些人工智能领域的创业团队或创业公司/p>
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!