AI时代下的后人脸识别 (1).pptx

AI时代下的后人脸识别主讲教师：钱芬

目录CONTENT1何为后人脸识别2人脸识别的市场机会3商业场景的探讨

何为后人脸识别90年代研究起步有概念有算法无产品无应用2011有所突破优化算法结合应用产品简单应用单—2014转折点优化应用软件结合场景完善产品用户体验2015发展期强化算法应用成熟企业用户达成共识2016高速发展期概念升级应用多元产品加速迭代人工智能驱动更清晰

何为后人脸识别机器学习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、逼近论等多个领域人工智能：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深度学习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，特点是试图模仿大脑的神经元之间传递，处理信息的模式

何为后人脸识别010302040506机器视觉是人工智能学科中发展的最为快速的分支其中用机器来代替人眼来做测量跟判断的动作人的大脑需要借助各种感官感知外界信息称为机器视觉人脸识别技术就是机器视觉最富有挑战性的课题之一然后进行判断

何为后人脸识别1:N的概念则是在N个人中找出你这里的N是一个数据库那么计算机要做的就是在无数的人脸中找到你是谁里面有无数张人脸信息后人脸识别就要实现1：N

何为后人脸识别011:N具有动态比对和非配合的特点03而有可能是一个动态的视频流02所谓的动态也就是识别的不是照片和图片04动态人脸识别和处理海量数据将是未来发展的趋势

后人脸识别市场机会已在埋锅造饭的四只独角兽代表AI细分领域计算机视觉已然是大热门在人工智能带动下激增的市场规模人工智能也有初创公司的春天

后人脸识别市场机会深度学习：在海量数据的推动下，通过核心算法实现机器之眼核心算法：技术先进性,直接影响体验数据提升算法海量数据：放量数据开口说话了创新应用：后人脸识别技术更加成熟创新场景应用引爆市场成为独角兽的四个特质

商业场景的探讨APP硬件服务平台可遇想求：平台应该是未来比较有人气和不错的选择，而且将带来大量有效数据。所以大佬们都在积极布局，同时消耗的资源也大值得推荐：算法输出服务及小型化平台已经越来越受到企业和个人的欢迎,并能最快的实现盈利，所以应该是一个明智的战术成功案例：随说已有不少案例，但如果是单一功能很难壮大，转化率及使用频率也会存在一定问题传统难当：智能硬件虽然是整个闭环中不可缺少的环节，但由于更新速度及传统产品已有先发优势,比较考验整体能力，单一进入胜算不大

商业场景的探讨06但对消费体验要求较高05个人消费者应用场景复杂性低02可以分为政府、企业和个人消费者04应用场景复杂，对准确性的要求较高03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01按照人脸识别技术的应用维度分析

商业场景的探讨商业娱乐健康教育客流分析VIP捕抓图像网购直播互动刷脸看剧面孔社交成长数据智慧课堂学习效能性格分析情绪校准疾病筛查

商业场景的探讨刷脸经济人脸在移动端的停留形成流量产生效应，人获得收益减人增效海量人脸、视频、直播筛查强强联合无人机视传结合人脸识别智能升级移动端加载人脸识别算法

商业场景的探讨有利于产业进一步发展人脸识别市场需求得以挖掘深度学习将人脸识别的精确度提高到肉眼级别同时培养用户“刷脸”习惯以及对技术的认可度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

商业场景的探讨SWTO进军市场已成功融资,有充足资金引进相关技术和核心团队。已掌握核心算法，降低了开发风险,并能尽快形成服务。在希望进入的相关领域有一定的成功商业模式积累，便于快速形成盈利模式顺势而为计算机视觉风投极具热捧,属于AI中三大应用之首。三大列强四只天鹅都在布局行业应用,寻求20场景突破。而2B市场已形成蔓延之势。后人脸识别已形成社会共识,并上升到智慧社会入口及国家发展战略之一转劣为优有效数据将是关键因素之一,后期进入的企业对于海量数据获取是个瓶颈。要形成强用户体验的服务，需要多层面技术的融合交叉,人才短缺,考验企业综合能力的张力精准突破虽然2B应用强势增长,但相关条件有待成熟,其爆发将在1-2年后。而前期投入巨大,进入门槛被进一步拉高。新模式新技术早已超越摩尔定律,服务和成果要被受众接受存在不确定因素

商业场景的探讨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12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3B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5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。