您当前的位置：首页 > 无限物联

聚焦2016：关于语音识别、图像识别及大数据

2017-03-19 08:43:36

图象、语音成为近两年最热门的概念，所谓文娱驱动市场，市场驱动技术发展。在多元化的互联网圈里“好玩”才能红，而图象与音像也从过去的美化处理往更精深的技术领域前进，在2016年，智能的语音辨认和图象辨认将走进普通人的生活中，它们会有哪些展望和动作呢？让我们所见所听的世界将变得生动起来。

191

语音辨认

语音辨认技术虽然起源于1952年，但真正进入消费市场已是上世纪90年代的事了。目前语音辨认有两大发展方向，1个是纯机械指令，基于产品定位而设计命令词组，作为高效的辅助工具存在；1个是智能化理解语境，与人进行互动交换，并承当部份处理工作。后者多是语音辨认未来的发展方向，但实际利用中二者其实不冲突。简单精准的机械指令让工作更加纯洁，没必要做过剩的计算动作。而很多智能装备将语音作为“解放双手”的第3类互动形态，就需要对人的语境进行“理解”，相信很多朋友都玩过siri、GoogleNow、Cortana，也同时体验过这些语音助手“会错意”的卖萌行动。老罗在去年坚果发布会上曾说所有语音助手都是“伪”智能，虽然有点以偏概全，但目前语音对语境的辨认确切还不够智能，远不如机械指令效力。不过这些问题随着深度学习等AI领域技术的突起将逐步克服。

192

图象辨认

图象辨认从以图搜图到明星、物体辨认，再到场景辨认，乃至现在延伸到了视频领域，给行业带来了太多欣喜。现在图片内容的价值已超出图片本身，并且建立了从图片到电商的商业模式。图象辨认1般针对画面中1个对象做辨认，比如大众熟知的人脸、明星脸等辨认技术已很成熟了，基本辨认率到达90%以上。最近几年、衣饰品牌的同款辨认和风景辨认大行其道，为旅游行业和衣饰行业创造了商机。图象辨认在视频领域出现出强大的利用前景，新兴起的互动视频技术video++已实现视频中的人脸和衣饰同款的辨认，基于图象辨认技术发展视频中的商业场景。另外瞳孔辨认的研究已提上日程，不久的将来，科幻片中所见即所得的情形不再是空想。

193

深度学习

没有基础的技术实力，语音和图象是好玩不起来的，而高级和低级的门坎就在深度学习的研究上。国内虽然起步较晚，好歹在去年遇上了这波风潮，包括图象辨认和语音辨认在内，还有自动驾驶、无人机、环境还原、机器人等项目，前段时间很火的谷歌AlphaGo在围棋领域击败了欧洲2段冠军，也是归功于深度学习的算法支持。可以说跟用户有交互行动的产品，都开始进行深度学习AI的研究了。通过神经网络的训练学习，语音辨认变得更聪明，实现快速精准的辨认动作之外，还能对下1句的语境情绪进行预测，摹拟真人对话。另外，语音辨认大量应用在翻译市场，争取未来10年内在专业翻译领域完全替换人类。图象辨认过去大多是建库辨认，深度学习释放了图象辨认的辨认领域，把辨认对象的年龄变化记忆下来，实现动态、多角度、不同光照变化下的辨认。

194

利用领域

安防市场是要求语音和图象辨认技术双高的行业之1，未来将不局限在解锁开门等基础功能，应用图象辨认技术，实现对象动作辨认，根据要挟等级进行危险性判断，提早发出警报或报警。语音辨认的应用领域将超高端化发展，最近几年来语音辨认速度屡创新高，在翻译市场、智能硬件助手、AI辅助，行车帮助等等方面实现价值。而文娱领域的玩法变很多元化，像最近大热的faceu，应用了面部辨认跟踪技术，让普通的自拍可以DIY。还有video++视频开放平台，可以对视频中的明星、衣服同款进行辨认搜索，打开了视频到电商的入口。乘着去年SaaS的风口，国内外陆续出现了语音辨认、图象辨认的技术开放平台，从专业到普通领域，语音辨认和图象辨认将在2016年做到技术全覆盖。

195