alphago的获胜让人工智能的“深度学习”定义快速普及化，而首先摆脱“深度学习”、衔接到“深度学习”的连接点便产生在商品图像识别行业。
依据平安证券的《通信行业人工智能商品图像识别专题报告》，商品图像识别分成生物识别技术、物件与情景鉴别和视频识别。据估计，到今年，生物识别技术技术市场容量将做到250亿美金，五年内年均增速约14%。在其中，面部识别增长速度更快，将从2016年的9亿美金提高到今年的24亿美金。
在各式各样的情景运用中，时下以面部识别更为广泛，而且设备早已高过人们的鉴别工作能力。在两个星期前的《最强大脑》中，百度搜索首席科学家吴恩达带著小度机器人和人们参赛选手大比拼，在面部识别新项目以3：2制胜。可是，在想到和基本常识了解的工作能力上，商品图像识别远无法和人们并列，有关企业已经积极主动选择竖直行业运用中。
商品图像识别落地式
商品图像识别身后的技术便是新的深度学习方法，即深度学习。从总体上，在数据信息的基本上，电子计算机自动生成特点量，并非人为因素设定特点量，随后电子计算机依据这种特点量来开展归类。
“对比2013年时的技术，这么多年商品图像识别再度飞速发展，”数相高新科技ceo邓立邦告知二十一世纪经济发展报导新闻记者，“从技术视角而言，新手入门非常容易，从0保证40、60分相对性门坎较低，要提高到90分就必须浓厚的实体模型。”
商品图像识别技术的快速落地式有各个方面缘故，一方面，许多 大型企业早已开源系统了基础专用工具，邓立邦谈道：“就面部识别而言，有很多学术研究组织早已干了非常长期的科学研究，发过许多 毕业论文，毕业论文也早已连接到具体的运用中。可是面部以外，比如心态依然是较为难的话题讨论。”
另一方面，全产业链的更新迭代也为图象技术奠定基础。平安证券的汇报中提及，性能卓越的ai测算集成ic、深度学习优化算法全是促进商品图像识别发展趋势的要素。在其中，ai
最底层构架从cpu+gpu到fpga，再到人工智能专用型集成ic，运作主要表现持续更新，现阶段英伟达显卡的dgx-1集成ic在执行程序速率上比老版gpu加快解决方法快12倍。
图普高新科技层面也告知新闻记者，近些年，归功于电子计算机速率的提高、规模性群集技术的盛行、gpu的运用及其诸多优化计算方法的出現，用时几个月的训炼全过程可减少为数日乃至数钟头，深度学习才慢慢可用以现代化。
应用领域多元化
虽然还未做到真实的人工智能，但日趋完善的商品图像识别技术已刚开始探寻各种行业的运用。先前图普高新科技ceo刘军强就告知新闻记者，如今关键的是将人工智能选择到实际行业中，在竖直行业中获得和管理方法互联网大数据。
据了解，在农业和林业行业，商品图像识别技术早已获得运用。我国林行业协会非州联合会理事长丁磊向二十一世纪经济发展报导新闻记者详细介绍道：“木料的生产制造包括好几个环节，以往这种环节通常涉及很多的人力资源资金投入。现如今，商品图像识别已在好几个环节中获得运用，比如山林调研，根据无人飞机对图象开展收集，再根据图象剖析对系统山林绿化植物的遮盖占比、树木的身体状况开展剖析，进而能够 作出更科学研究的采掘计划方案。而木材检测层面，商品图像识别能够 迅速对木料的绿化植物、好坏、规格型号开展分辨，省掉了很多人工服务参加的环节。”
平安证券在调查报告中举例说明道，在金融业行业，身份核查和智能化付款将提升真实身份安全系数与付款的高效率和品质;在智能安防行业，将来在仍硬件配置铺装到后端开发手机软件管理系统的基本建设转型发展中，商品图像识别系统软件将变成打造出新型智慧城市的关键环节;在诊疗行业，诊疗影象根据人工智能的迅速配对可协助医师迅速更精确的载入患者的影象数据信息;在自动驾驶行业，成本低的监控摄像头加视頻图像处理软件计划方案将为自动驾驶商业化的奠定基础。
除此之外，智能家居系统、电子商务等行业中，商品图像识别也是有不一样水平的运用。从现阶段的运用实例看来，以tob行业占多数，自然不缺face++等toc产品。在深度学习之中，各企业朝向不一样行业，培养把握不一样专业知识的商品图像识别设备。将来，怎样在图象的基本上搜集、解决互联网大数据将变成行业内各游戏玩家的另一个大比拼点。