視覺人工智慧在新技術方面的發展情況和未來發展趨勢

首頁 > 科技

視覺人工智慧在新技術方面的發展情況和未來發展趨勢

來源:焦糖老乾媽 釋出時間:2023-11-20 15:26

近年來,視覺人工智慧的多數研究都集中在深度學習、檢測和分類面部/手部/姿勢、3D 感測技術等方面。跟著識別準確度的晉升空間趨小,研究重心將逐漸轉向技術協同、融合與應用。

在視覺人工智慧領域內,將終端裝置演進為小型資料中心叢集,並與雲端高效協同將成為研究重點之一。終端裝置的鋪設和資料量的增長將使面向雲端的傳輸壓力倍增,這要求端側完成部門雲側的影象處理功能。而在終端逐漸進步的算力要求,例如更加正確的實時識別,也需要端雲架構的協同整合。

在識別技術趨於成熟的今天,端雲的深度結合與協同將成為識別技術的重要依託,如何將兩側的架構進行不斷耦合最佳化也將不會侷限於計算機視覺技術,而成為人工智慧技術層共同探索的方向。

目前,業內的部門研究也在突破對識別準確度的單一聚焦,轉向更加綜合的計算機視覺問題,如影象描述、事件推理、場景理解等。未來,視覺人工智慧將與其他的智慧技術協同融合,評判因素也將由準確性延伸至識別的靈活性、推測的合理性。例如,融合自然語言處理技術來完成影象描述,將圖片翻譯為一段文字。

而事件推理則是透過識別複雜影片中的因果關係,並基於因果關係給出公道推測。未來,安防領域可運用這項技術,建立端到真個時間推理系統,從而匡助晉升案件偵查效率,改善治安管理效果。

場景理解則透過由自身感測器收集的環境感知資料,獲得周邊場景的幾何/拓撲結構、構成要素與時空變化,並進行語義推理甚至決議計劃出未來時間內的運動走向。該項技術有泛博的潛伏市場亟待滲入,未來跟著資料集的不斷拓展和自監視學習,視覺人工智慧的互動性和通用性將大大增強,為各種行業所用。

技術的協同和融合將進一步積累針對多樣化場景的解決方案,而更加廣泛、密集的應用又將推動技術的不斷迭代。海量資料、多種技術的互動作用有利於終極構成完整的技術賦能平臺,持續的整合和立異將不斷擴充套件視覺人工智慧的技術邊界,轉化為下一階段的產業化能力和平臺化能力。

近年來,視覺人工智慧的多數研究都集中在深度學習、檢測和分類面部/手部/姿勢、3D 感測技術等方面。跟著識別準確度的晉升空間趨小,研究重心將逐漸轉向技術協同、融合與應用。

在視覺人工智慧領域內,將終端裝置演進為小型資料中心叢集,並與雲端高效協同將成為研究重點之一。終端裝置的鋪設和資料量的增長將使面向雲端的傳輸壓力倍增,這要求端側完成部門雲側的影象處理功能。而在終端逐漸進步的算力要求,例如更加正確的實時識別,也需要端雲架構的協同整合。

近年來,視覺人工智慧的多數研究都集中在深度學習、檢測和分類面部/手部/姿勢、3D 感測技術等方面。跟著識別準確度的晉升空間趨小,研究重心將逐漸轉向技術協同、融合與應用。

在視覺人工智慧領域內,將終端裝置演進為小型資料中心叢集,並與雲端高效協同將成為研究重點之一。終端裝置的鋪設和資料量的增長將使面向雲端的傳輸壓力倍增,這要求端側完成部門雲側的影象處理功能。而在終端逐漸進步的算力要求,例如更加正確的實時識別,也需要端雲架構的協同整合。

近年來,視覺人工智慧的多數研究都集中在深度學習、檢測和分類面部/手部/姿勢、3D 感測技術等方面。跟著識別準確度的晉升空間趨小,研究重心將逐漸轉向技術協同、融合與應用。

在視覺人工智慧領域內,將終端裝置演進為小型資料中心叢集,並與雲端高效協同將成為研究重點之一。終端裝置的鋪設和資料量的增長將使面向雲端的傳輸壓力倍增,這要求端側完成部門雲側的影象處理功能。而在終端逐漸進步的算力要求,例如更加正確的實時識別,也需要端雲架構的協同整合。

上一篇:三分鐘快速了... 下一篇:吉尼斯新紀錄...
猜你喜歡
熱門閱讀
同類推薦