图像识别落地B端应用，商业化的“绣球”先抛给了哪些行业？

随着技术进入成熟期，在最容易实现落地的B端市场，图像识别正逐渐扩大自己的市场。

近日，美国权威杂志《MIT科技评论》（MIT Technology Review）公布了2017年度全球十大突破技术，其中属于AI范畴有三项技术，分别是强化学习、自动驾驶货车和刷脸支付。

其中，值得我们注意的是，虽然同属于2017年的突破性技术，但在距离进入成熟期的时间上，相对于强化学习和自动驾驶货车的还需要1-2年和5-10年时间，刷脸支付技术现在就已经进入了这一阶段。

根据平安证券发布的《通信行业人工智能图像识别专题报告》显示，到2020年，作为图像识别的重要分支之一，人脸识别的市场将从2015年的9亿美元增长到24亿美元，由此延伸，我们便可知悉未来图像识别的市场前景之诱人。伴随着技术进入成熟期，我们也看到了图像识别在行业应用上的拓宽，尤其是更容易落地的B端市场。

安防监控

在安防监控上，除了字面意思所指的安防和监控，还包括日常上班的刷脸打卡、火车站的人脸识别过安检以及银行等金融机构的人脸识别验证等等，从广义上来讲，这些应用都属于安防监控的范畴。

在安防监控领域，图像识别公司格林深瞳应该算是业界翘楚了，受到了业界的认可，其次有刚刚获得亿元融资、与多家机构搭建了合作关系的深醒科技等等。单从未来的市场前景来看，安防监控领域的潜力还是非常大的，仅仅是公安和智能家居两个市场，其容量大小就不能令人小觑。

与此同时，在安防监控领域，图像识别也面临着不小的挑战，主要问题是数据库的不够丰富，唯有背靠更为全面和丰富的数据库，图像识别的准确率才会进一步得到提升，并在实际应用中，也能够提供更为精确的服务，最典型的案例就是公安部进行的嫌疑人图像的对比等等。

医疗

以患者所拍的片子为依据，进而识别并找出其中的病灶，或是识别化验单以录入系统等即图像识别在医疗领域所干的事情。而若有可能，依靠背后的大数据，图像识别甚至可以找出未来可能发生病变的细胞等等。

目前，利用图像识别技术来布局自己智能医疗市场的团队不在少数，像斯坦福大学开发了一个图像识别深度学习算法，根据皮肤癌识别的测试结果，其综合准确率达到了91%，而在青光眼的早期诊断上，IBM认知平台Watson也将准确率提到了95%左右。与此相对的，在数量上，国内在研究图像识别+医疗的团队或许没有那么多，但也有了相应的成果出来，像打造了智慧医疗智能影像平台的依图科技，以及从事医疗影像智能分析的医渡云、汇医慧影等公司。

与安防监控类似，在医疗领域的行业应用上，图像识别面临的难题也是数据的不全面，毕竟医疗是一个极其讲究准确性的行业，不能容忍一丝一毫的误差。而在准确性的提高上，图像识别则依赖于大量数据对算法的训练，由此，虽然当前图像识别的准确率趋向接近于完美，但依然还是一个助手般的存在。

结语

相对于C端市场的难以打开，图像识别在B端市场的活跃度是相当之高，除了以上提及的安防监控、医疗等，鉴黄之类的工作对其而言也是家常便饭。此外，在B端行业应用之中，利用无人机、机器人、自动驾驶/无人驾驶汽车等人工智能硬件设备，作为它们的“眼睛”，图像识别更是间接地开拓出了更多的应用领域，像无人机送快递、机器人陪护、自动驾驶/无人驾驶汽车行驶途中等场景中，无一不透露着图像识别的身影。

不过，技术进入了成熟期，并不意味着技术已经完美。依据各个不同的专业领域，其系统中的算法也需要进行针对性的开发和训练，从而为技术在行业的成熟增添了一个难度，要知道，在某些行业中，鉴于某些因素，数据的获得并没有那么的容易。此外，如同语音识别中的降噪，如何降低周边环境因素、或是人为破坏所带来的影响，这些对于图像识别准确性的保证也是一个挑战。