0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Imagga通過(guò)NVIDIA DGX Station實(shí)現(xiàn)圖像識(shí)別

NVIDIA英偉達(dá)企業(yè)解決方案 ? 來(lái)源:未知 ? 作者:胡薇 ? 2018-08-08 16:54 ? 次閱讀

在網(wǎng)上購(gòu)物時(shí),我們所看到的圖片會(huì)對(duì)購(gòu)買決策產(chǎn)生巨大的影響,但處理這些圖片絕非易事。Imagga通過(guò)NVIDIA DGX Station實(shí)現(xiàn)的技術(shù)可應(yīng)用于在線零售領(lǐng)域,實(shí)現(xiàn)數(shù)字資產(chǎn)管理的自動(dòng)化,并有助于提升廣告營(yíng)銷活動(dòng)的效果。

Imagga是一家位于保加利亞索菲亞的初創(chuàng)公司,同時(shí)也是NVIDIA初創(chuàng)加速計(jì)劃的成員。他們提供圖像識(shí)別和標(biāo)記服務(wù),從而減輕圖片處理的負(fù)擔(dān)。該公司的API能夠幫助圖像密集型企業(yè)改善面向客戶的照片搜索和交付功能。

識(shí)別大自然

位于美國(guó)科羅拉多州特柳賴德(Telluride)的初創(chuàng)公司PlantSnap正在使用Imagga的技術(shù)。使用PlantSnap的應(yīng)用程序(提供AndroidiOS版本)能夠識(shí)別出圖片中的植物。當(dāng)PlantSnap用戶拍下照片后,該應(yīng)用程序可以在幾秒內(nèi)返回照片中的植物物種信息,而實(shí)現(xiàn)這一切則要?dú)w功于AI。

為了能夠準(zhǔn)確識(shí)別來(lái)自世界各地的花卉、種子、樹(shù)木、蘑菇和仙人掌,PlantSnap的算法需要使用大量數(shù)據(jù)進(jìn)行訓(xùn)練。

為此,PlantSnap選擇了Imagga,在后者的幫助下,他們攻克了對(duì)全球32萬(wàn)多種不同植物進(jìn)行分類這一挑戰(zhàn)。對(duì)于PlantSnap而言,擁有準(zhǔn)確且可擴(kuò)展的系統(tǒng)至關(guān)重要。為滿足PlantSnap的需求,Imagga構(gòu)建了一個(gè)定制化的分類API,讓PlantSnap能夠以快于以往10倍的速度對(duì)模型進(jìn)行訓(xùn)練。

龐大的訓(xùn)練數(shù)據(jù)

為了對(duì)API進(jìn)行訓(xùn)練,Imagga使用了超過(guò)9000萬(wàn)張圖像,即使將新植物品種引入數(shù)據(jù)集,也能保持極高的識(shí)別準(zhǔn)確度。在訓(xùn)練其網(wǎng)絡(luò)時(shí),Imagga使用了NVIDIA DGX Station,將訓(xùn)練速度提升了88%。

“使用DGX Station進(jìn)行超大規(guī)模訓(xùn)練所需的時(shí)間相對(duì)于其他解決方案非常短,這對(duì)于我們來(lái)說(shuō)是一個(gè)極大的優(yōu)勢(shì),”Imagga聯(lián)合創(chuàng)始人兼首席執(zhí)行官Georgi Kadrev說(shuō)道,“基于NVIDIA DGX Station,我們通用分類器(generic classifiers)的訓(xùn)練時(shí)間從三周減少到了四天?!?/p>

Imagga是NVIDIA初創(chuàng)加速計(jì)劃中2800多家初創(chuàng)公司中的一員。初創(chuàng)加速計(jì)劃為初創(chuàng)公司提供技術(shù)、專業(yè)知識(shí)和營(yíng)銷支持。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • NVIDIA
    +關(guān)注

    關(guān)注

    14

    文章

    5075

    瀏覽量

    103584
  • 圖像識(shí)別
    +關(guān)注

    關(guān)注

    9

    文章

    521

    瀏覽量

    38358

原文標(biāo)題:Imagga利用DGX Station實(shí)現(xiàn)快速圖像識(shí)別

文章出處:【微信號(hào):NVIDIA-Enterprise,微信公眾號(hào):NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    AI圖像識(shí)別攝像機(jī)

    ?AI圖像識(shí)別攝像機(jī)是一種集成了先進(jìn)算法和深度學(xué)習(xí)模型的智能監(jiān)控設(shè)備。這些攝像機(jī)不僅能夠捕捉視頻畫面,還能實(shí)時(shí)分析和處理所拍攝的內(nèi)容,從而實(shí)現(xiàn)對(duì)特定對(duì)象、場(chǎng)景或行
    的頭像 發(fā)表于 11-08 10:38 ?338次閱讀
    AI<b class='flag-5'>圖像識(shí)別</b>攝像機(jī)

    AI大模型在圖像識(shí)別中的優(yōu)勢(shì)

    大模型借助高性能的計(jì)算硬件和優(yōu)化的算法,能夠在短時(shí)間內(nèi)完成對(duì)大量圖像數(shù)據(jù)的處理和分析,顯著提高了圖像識(shí)別的效率。 識(shí)別準(zhǔn)確性 :通過(guò)深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù),AI大模型能夠自動(dòng)提取
    的頭像 發(fā)表于 10-23 15:01 ?937次閱讀

    圖像識(shí)別算法有哪幾種

    圖像識(shí)別算法是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心技術(shù)之一,它通過(guò)分析和處理圖像數(shù)據(jù),實(shí)現(xiàn)對(duì)圖像中的目標(biāo)、場(chǎng)景和物體的識(shí)
    的頭像 發(fā)表于 07-16 11:22 ?1298次閱讀

    圖像檢測(cè)和圖像識(shí)別的原理、方法及應(yīng)用場(chǎng)景

    圖像檢測(cè)和圖像識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的兩個(gè)重要概念,它們?cè)谠S多應(yīng)用場(chǎng)景中發(fā)揮著關(guān)鍵作用。 1. 定義 1.1 圖像檢測(cè) 圖像檢測(cè)(Object Detection)是指在
    的頭像 發(fā)表于 07-16 11:19 ?4825次閱讀

    圖像識(shí)別算法都有哪些方法

    傳統(tǒng)方法和基于深度學(xué)習(xí)的方法。 傳統(tǒng)圖像識(shí)別算法 1.1 邊緣檢測(cè) 邊緣檢測(cè)是圖像識(shí)別的基礎(chǔ),它用于檢測(cè)圖像中的邊緣信息。邊緣是圖像中亮度變化最明顯的區(qū)域,通常表示物體的邊界。常用的邊
    的頭像 發(fā)表于 07-16 11:14 ?5963次閱讀

    圖像識(shí)別算法的提升有哪些

    方法。 數(shù)據(jù)增強(qiáng) 數(shù)據(jù)增強(qiáng)是提高圖像識(shí)別算法性能的一種有效方法。通過(guò)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行變換和擴(kuò)展,可以增加數(shù)據(jù)的多樣性,提高模型的泛化能力。常見(jiàn)的數(shù)據(jù)增強(qiáng)方法包括: 2.1 旋轉(zhuǎn)、縮放、平移和翻轉(zhuǎn) 通過(guò)對(duì)
    的頭像 發(fā)表于 07-16 11:12 ?726次閱讀

    圖像識(shí)別算法的優(yōu)缺點(diǎn)有哪些

    圖像識(shí)別算法是一種利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析和理解的方法,它在許多領(lǐng)域都有廣泛的應(yīng)用,如自動(dòng)駕駛、醫(yī)療診斷、安全監(jiān)控等。然而,圖像識(shí)別算法也存在一些優(yōu)缺點(diǎn)。 一、圖像識(shí)別算法的優(yōu)
    的頭像 發(fā)表于 07-16 11:09 ?1865次閱讀

    圖像識(shí)別算法的核心技術(shù)是什么

    圖像識(shí)別算法是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向,其目標(biāo)是使計(jì)算機(jī)能夠像人類一樣理解和識(shí)別圖像中的內(nèi)容。圖像識(shí)別算法的核心技術(shù)包括以下幾個(gè)方面: 特征提取 特征提取是
    的頭像 發(fā)表于 07-16 11:02 ?720次閱讀

    圖像識(shí)別技術(shù)包括自然語(yǔ)言處理嗎

    計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行處理、分析和理解,從而實(shí)現(xiàn)對(duì)圖像中的目標(biāo)、場(chǎng)景、行為等信息的識(shí)別和理解。圖像識(shí)別技術(shù)包括
    的頭像 發(fā)表于 07-16 10:54 ?920次閱讀

    圖像識(shí)別技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用

    一、引言 圖像識(shí)別技術(shù)是一種利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析和處理的技術(shù)。隨著計(jì)算機(jī)技術(shù)、人工智能技術(shù)、大數(shù)據(jù)技術(shù)等的發(fā)展,圖像識(shí)別技術(shù)在各個(gè)領(lǐng)域的應(yīng)用越來(lái)越廣泛。在醫(yī)療領(lǐng)域,圖像識(shí)別
    的頭像 發(fā)表于 07-16 10:48 ?1101次閱讀

    圖像識(shí)別技術(shù)的原理是什么

    圖像識(shí)別技術(shù)是一種利用計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)對(duì)圖像進(jìn)行分析和理解的技術(shù)。它可以幫助計(jì)算機(jī)識(shí)別和理解圖像中的對(duì)象、場(chǎng)景和活動(dòng)。 圖像預(yù)處理
    的頭像 發(fā)表于 07-16 10:46 ?1342次閱讀

    圖像識(shí)別屬于人工智能嗎

    屬于。圖像識(shí)別是人工智能(Artificial Intelligence, AI)領(lǐng)域的一個(gè)重要分支。 一、圖像識(shí)別概述 1.1 定義 圖像識(shí)別是指利用計(jì)算機(jī)技術(shù)對(duì)圖像中的內(nèi)容進(jìn)行分析
    的頭像 發(fā)表于 07-16 10:44 ?1275次閱讀

    opencv圖像識(shí)別有什么算法

    圖像識(shí)別算法: 邊緣檢測(cè) :邊緣檢測(cè)是圖像識(shí)別中的基本步驟之一,用于識(shí)別圖像中的邊緣。常見(jiàn)的邊緣檢測(cè)算法有Canny邊緣檢測(cè)器、Sobel邊緣檢測(cè)器和Laplacian邊緣檢測(cè)器。 特
    的頭像 發(fā)表于 07-16 10:40 ?1170次閱讀

    如何利用CNN實(shí)現(xiàn)圖像識(shí)別

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)是深度學(xué)習(xí)領(lǐng)域中一種特別適用于圖像識(shí)別任務(wù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它通過(guò)模擬人類視覺(jué)系統(tǒng)的處理方式,利用卷積、池化等操作,自動(dòng)提取圖像中的特征,進(jìn)而實(shí)現(xiàn)高效的
    的頭像 發(fā)表于 07-03 16:16 ?1499次閱讀

    圖像識(shí)別技術(shù)原理 圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域

    。圖像識(shí)別技術(shù)已經(jīng)在各個(gè)領(lǐng)域廣泛應(yīng)用,其應(yīng)用領(lǐng)域包括但不限于以下幾個(gè)方面。 一、智能安防領(lǐng)域 圖像識(shí)別技術(shù)在智能安防領(lǐng)域得到了廣泛的應(yīng)用。通過(guò)對(duì)監(jiān)控?cái)z像頭中的圖像進(jìn)行實(shí)時(shí)分析和處理,可
    的頭像 發(fā)表于 02-02 11:01 ?2710次閱讀