AI时代下的后人脸识别ppt课件.pptx
,AI时代下的后人脸识别,关于在人工智能驱动下的人脸识别商业应用的思考,2017,CONTENTS,何为后人脸识别,人脸识别的市场机会,商业场景的探讨,1,PART,何为后人脸识别,从1：1到1：N的跨越 机器之眼,传统人脸识别各阶段及特征,90年代,2014,2016,2011,2015 元年,发展期,强化算法应用成熟企业用户达成共识 图像分类，人的误差是 5%，技术现在最低的误 差已经到2%3%,概念升级应用多元产品加速迭代人工智能驱动更清晰,人工智能和人脸识别深度融合,AI驱动人脸识别的发展,人工智能（ Artificial Intelligence ），英文缩写为AI。广义上的人工智能实际上等同于机器智能，通俗的解释就是就是赋予机器以人的智慧，让机器像人一样学会思考。机器学习 ( Machine Learning, ML ) 是人工智能的一个研究分支，主要是设计和分析一些让计算及自动获取知识的算法，涉及到概率论、统计学、逼近论等多个领域。深度学习( Deep Learning, DL )又是机器学习的一个分支，可以理解为用计算机的算法模拟人类大脑的深度神经网络，然而对于神经网络我们还没有一个严格的定义，但其特点是试图模仿大脑的神经元之间传递，处理信息的模式。 人的大脑需要借助各种感官，如眼睛、耳朵等，感知外界信息，然后进行判断，这其中用机器来代替人眼来做测量跟判断的动作，称为机器视觉，机器视觉是人工智能学科中发展的最为快速的分支，而人脸识别技术就是机器视觉最富有挑战性的课题之一。 在深度学习诞生前，人脸识别研究人员试图不断改进、提高计算机识别人脸的能力，但相对人类本身所具有的人脸识别能力仍然望尘莫及。直到2012年，深度学习开始影响人脸识别技术的发展，基于深度卷积神经网络的方法在不断突破人工智能算法的世界纪录。,人工智能对精准识别算法的影响,算法其实目前依然处在高速发展期，非常典型的案例： 在200类物体的检测、识别这项任务，随便给一张照片进行内容辨识，识别什么样的物体在什么样的位置。这是一个完全不受控的算法问题，物体之间有相互遮挡，有形变，非常困难。,2013年，这项任务的平均精度只有22%。但是深度学习出现后，2014年Google就到了43%的精度，提升一倍。2015年，国内某公司的算法又高出了Google 7个点，半年后，微软的算法又提高了十几个点，而现在，最新的结果又提升了4个点。 这样快速的算法提升，在2011年往前，一年提升一到两个点已经很了不起了。,人工智能给人脸识别蜕变创造条件,后人脸识别就是要完美实现1：N,在实际应用场景中，我们通常会提到两个概念：即 1:1 和 1:N静态比对1:1，你就是你。1:N 的概念则是在 N 个人中找出你。这里的 N 是一个数据库，里面有无数张人脸信息，那么计算机要做的就是在无数的人脸中找到你是谁。1: N 具有动态比对和非配合的特点。所谓的动态也就是识别的不是照片，不是图片，而有可能是一个动态的视频流。动态人脸识别和处理海量数据将是未来发展的趋势。,数据量：2000年至今互联网及移动互联网的高速发展使得数据实现了量的积累，据IDC预测，2020年全球的大数据总量将为40ZB，其中有七成将会以图片和视频的形式进行存储，这为人工智能的发展提供了丰厚的土壤。深度学习算法：多伦多大学教授Geoffrey Hinton（致力于神经网络和深度学习研究）的学生在业内知名的图像识别比赛ImageNet中利用深度学习的算法将识别错误率一举降低了10%，甚至超过了谷歌，深度学习进而名声大噪。2015年，微软亚洲研究院视觉计算组在该项比赛中夺冠，将系统错误率降低至3.57%，已经超过了人眼。高性能计算：GPU响应速度快、对能源需求低，可以平行处理大量琐碎信息，并在高速状态下分析海量数据，有效满足人工智能发展的需求。一次人脸识别算法的迭代训练，用CPU计算，可能要十几天乃至几十天才能完成，效率低、投入高，使得人工智能将创业公司阻隔在外；但是换成GPU后，可能就只需要几小时。基础设施成本：云计算的普及和GPU的广泛使用，极大提升了运算效率，也在一定程度上降低了运营成本。IDC报告显示，数据基础设施成本正在迅速下降，从2010年的每单位9美元下降到了2015年的0.2美元。,现实机器之眼基础条件日趋成熟,让机器看懂世界,核心算法+海量数据,后人脸识别带来的不只是改变,2,PART,后人脸识别市场机会,谁会成为下一只独角兽,人工智能也有初创公司的春天,吴恩达为初创公司描绘了一个发展路线图：“你进入了某一垂直领域，开发了一个功能不错的产品并吸引到了第一批用户，这批用户从而为你带来了更多数据。这就形成了一个良性循环。你的数据带来了用户，用户带来了数据，更多的数据提升了你的产品，更好的产品又能为你带来更多的用户. 很可能在几年之后，你在这一垂直领域积累的数据就会大大超过科技巨头们，从而在这一场商业竞赛中处于领先地位。”,初创公司怎样战胜大公司的思路。人工智能科学家吴恩达认为，人工智能就好像新型的电力，会让社会上的每一个行业转型。然而，一两家科技巨头公司不可能完成这一场空前的社会变革。,在人工智能带动下激增的市场规模,后人脸识别是人工智能进一步推动的落地应用的前端应用，据赛迪顾问预测2018年中国人工智能市场规模将超406亿元，年复合增长率达25.8%。2016年我国人脸识别行业市场规模已超过10亿元。预计未来五年，市场规模平均复合增长率将达到25%，到2021年，人脸识别市场规模将达到51亿元左右。国人更擅长把AI技术应用到场景中，获得商业回报。在此也不排除如共享经济和移动支付类似的爆发式互联网应用的出现。引爆基于AI的人脸识别场景应用的规模化暴增。总之，传统人脸识别将快速稳定增长，而后人脸识别江山代有创新应用出啊！,嗜血的投资在关注什么？,AI细分领域计算机视觉已然是大热门,自2000年以来，全球计算机视觉新增企业数：802家而最近5年来新增企业数：520家自2000年以来，全球计算机视觉融资规模：$2.28B而最近5年来新增企业数：$1.84B自2000年以来，全球计算机视觉投资频次：561次而最近5年来的投资频次：455次,互联网大佬又在布局什么？,已在埋锅造饭的四只独角兽代表,商汤科技：国内唯一一家自建深度学习基础设施平台的算法层公司，而业内同类公司大多是依赖于国外开源的初阶算法来做应用开发。依托在软件和算法方面的领先优势，将计算机视觉技术赋于各行各业，包括安防、智慧金融、机器人、政府大数据分析以及虚拟增强现实等。商汤主推的产品有包括SenseFace人脸布控系统、SenseID身份验证解决方案、SenseGo智慧商业解决方案、SensePhoto手机全套影像处理解决方案、以及SenseAR增强现实感特效引擎等。根据提供的数据，目前商汤在移动互联网图像头部领域客户的市场占有率达到80%。云从科技：是一家先天具有特殊“血统”的计算机视觉技术企业云从科技脱胎于中国科学院重庆研究院。目前，云从科技已经是中国银行业人脸识别第一大供应商，包括农行、建行、中行、交行等全国50多家银行已采用公司产品；在安防领域，公司产品已在22个省上线实战，获得公安部高度认可，引领了公安行业战法的变革；在民航领域，产品已覆盖80%的枢纽机场。旷视科技：旷视科技主要两大核心产品，一个是智能云（face+人脸识别云服务、faceID身份验证服务）；另一个是智能互联（智能商业、智能企业等），旷视人工智能开放平台中的Face+云平台已成为世界最大的人脸识别服务平台，日均调用量接近2000万次。同时旷视已经拿下了目前上线的互联网金融、出行、传统金融90%以上的人脸识别远程验证的订单。依图科技：在安防领域打造智能安防平台，依图研发的蜻蜓眼人像大平台已服务全国上百个地市公安系统，也是全国唯一拥有十亿级人像库比对能力的公司；同时医疗团队已推出国内第一个真实应用于临床的人工智能影像诊断产品，也是目前国内唯一实现对全量医疗数据覆盖的人工智能公司。,战略分析：四家企业重视原有传统行业（金融、安防、认证、移动支付），重兵布局做2B市场。通过自身储备的核心算法和团队先发优势，同时借助资方（阿里、腾讯等）海量数据沉淀。进一步融合人工智能技术，优化核心算法形成平台化技术壁垒及市场格局。再逐步实现从2B到2C的商业模式创新达到强势占领。伴随相关技术和硬件条件的提升，实现其让机器看懂世界，人工智能反哺人类终将实现。,关于独角兽的战略分析,成为独角兽的四个特质,3,PART,商业场景的探讨,谁在把握下一个风口,在路上的人脸识别场景应用,聊聊市场现状，近几年新兴成立并已获风投钦点的创新公司，都会在原有的传统B端市场上获取利润来养活自己并积累数据，但心里总是念念不忘C端市场，而人工智能应用最为普及的是互联网和消费电子。 如今在互联网娱乐领域，基于人脸识别技术的各类App应用正呈现爆发增长的态势。美图秀秀、花椒直播、世纪佳缘等娱乐应用，通过调用人脸识别API技术接口，实时或者延时对人脸图像进行特效处理，极大增强了娱乐效果和用户体验，提升用户黏性和忠实度。同时，在互联网认证领域，人脸身份认证也在急速扩张，菜鸟驿站、神州租车、滴滴出行以及各类互联网金融产品，均已采用人脸识别进行远程身份认证，提供更加高效、透明的互联网服务。 2017年3月份，百度与宝贝回家合作，将人工智能的跨年龄人脸识别技术应用于寻找走失儿童中，首批2万多条寻亲数据接入百度“跨年龄人脸识别系统” 对比评测，并筛选出部分疑似案例，其中，付贵与父母DNA比对成功并已相认，成为此次人脸识别成功的第一例。这是人脸识别应用升级后的一次即叫座又叫好的有益尝试。 市场的反馈及已成功的场景应用对我们搭建商业模式有和借鉴呢？人脸识别除了在提升效能减少工人方面优势明显，还有那些用户体验结合互联网+能形成大面积突破的呢？,新贵以何种形态进入市场,APP,平 台,硬 件,服 务,按照人脸识别技术的应用维度分析，可以分为政府、企业和个人消费者，其中政府部门一般希望人脸识别技术应用在智能安防领域，应用场景复杂，对准确性的要求较高；个人消费者应用场景复杂性低，但对消费体验要求较高。,后人脸识别可能存在的风口,人脸识别作为智慧城市和下一个互联网入口将打通人与机器、互联网、城市的紧密联系从而形成新的应用场景和商业模式,到需求最前线去挖掘场景,人脸识别市场需求得以挖掘，其应用场景得到跨越式发展的根本原因在于技术迭代和突破。深度学习将人脸识别的精确度提高到肉眼级别，极大丰富了人脸识别的应用场景。巨头频繁布局人脸识别赋予其更大的应用场景想像空间，同时培养用户“刷脸”习惯以及对技术的认可度，有利于产业进一步发展。,导入人脸识别市场的SWOT分析,S,W,o,T,后人脸识别产业细分程度有限，市场有加速成长的趋势， 同时也受相关技术再次突破的影响。,创业投资成本巨大，门槛相当较高。搭建何种商业模式实现 巨幅增长尚未凸显端倪，把握痛点是关键。,B端需求强于C端，其商业模式清晰，已盘踞一些具有相对实力的 初创公司。同时巨头的布局早已开始。,先发性应用场景可复制性强，具有较强技术能力的团队将明显有所斩获， 但想持续发力，需考验团队的综合能力及研发深度。,实际应用的价值已获得认可但并为到达蔓延式增长，解决效能及深度问题效果明显。但如移动支付式应用尚未出现，市场需要培育和引爆。,1,2,3,4,5,对后市前景的少许判断,2017.10.9于武汉站,THANK YOU,机器之眼 看懂世界微信：lby7812,
