阿里云ET工业大脑发布AI视觉产品“见远”:电池片、车辆、路面都能被“诊断”
7月24日,阿里云ET工业大脑发布AI视觉产品“见远“,可以利用深度学习和图像处理算法,自动识别图像中的瑕疵、故障及其他目标物,大幅节省人力,提高产品生产效率及精度稳定性效果。
“见远”来自阿里巴巴机器智能技术实验室视觉计算团队,这一团队还曾在城市大脑中研发出一系列视觉智能创新技术,如天曜、天擎、天鹰、天机。
阿里巴巴机器智能实验室副主任、视觉计算团队负责人华先胜介绍,目前“见远”已经应用在电池片瑕疵检测、蚕丝瑕疵、道路裂缝检测、垃圾分类、智能养殖等多个领域。
举例来说,在电池片瑕疵检测领域,“见远”的识别准确度已达95%,节省人力率比为每33个人节省1人。通过深度学习和图像识别算法,阿里云ET工业大脑集中学习了40000多张样片,将图像转换为机器能读懂的二进制语言,从而能让质检机器实时、自动判断电池片的缺陷。
(阿里云ET工业大脑帮助正
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
关于感受野的总结
感受野是卷积神经网络里面最重要的概念之一,为了更好地理解卷积神经网络结构,甚至自己设计卷积神经网络,对于感受野的理解必不可少。 一、定义 感受野被定义为卷积神经网络特征所能看到输入图像的区域,换句话说特征输出受感受野区域内的像素点的影响。 比如下图(该图为了方便,将二维简化为一维),这个三层的神经卷积神经网络,每一层卷积核的,,那么最上层特征所对应的感受野就为如图所示的7x7。 感受野示例[1] 二、计算方式 其中表示特征感受野大小,表示层数,,表示输入层,,。 第一层特征,感受野为3 第1层感受野[1] 第二层特征,感受野为5 第2层感受野[1] 第三层特征,感受野为7 第3层感受野[1] 如果有dilated conv的话,计算公式为 三、更上一层楼 上文所述的是理论感受野,而特征的有效感受野(实际起作用的感受野)实际上是远小于理论感受野的,如下图所示。具体数学分析比较复杂,不再赘述,感兴趣的话可以参考论文[2]。 有效感受野示例[2] 下面我从直观上解释一下有效感受野背后的原因。以一个两层,的网络为例,该网络的理论感受野为5,计算流程可以参加下图。其中为输入,为卷积权重,为经过卷...
- 下一篇
阿里云小蜜获评"智能客服技术产品/解决方案大类推荐品牌"
7月24日,由客户世界机构主办,中国呼叫中心与电子商务发展研究院、全球呼叫中心产业联盟联合支持的客户世界• 洞察者2018北京论坛在丽景湾国际酒店圆满举行。作为全球领先的智能客服产品及方案提供商,阿里云小蜜获得本次大会主办方颁发的“智能客服技术产品/解决方案大类推荐品牌”奖项。 现场揭晓的“智能客服技术产品/解决方案大类推荐品牌”的获奖企业,历经初评、复评环节,通过《客户世界》杂志社资深编辑团队、编委成员(杂志顾问委员会和编辑委员会委员)的观察和体验,通过读者评议、网站投票、专家评委等多项指标,最终决出11家推荐品牌。 阿里云小蜜此次获评“智能客服技术产品/解决方案大类推荐品牌”,实际上是对阿里云在智能客服领域未来发展趋势的准确预判,以及就此展开的业务布局的一种认可。在过去的几年中,无论是产品技术创新,还是加速赋能行业等领域,阿里智能
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7,8上快速安装Gitea,搭建Git服务器
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Windows10,CentOS7,CentOS8安装Nodejs环境
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS8安装Docker,最新的服务器搭配容器使用
- 设置Eclipse缩进为4个空格,增强代码规范
- CentOS7安装Docker,走上虚拟化容器引擎之路