深度学习在腾讯云上有哪些应用?

  • 回答 (8)
  • 关注 (0)
  • 查看 (610)

腾讯云有哪些相关产品呢?我想使用深度学习做一些事情,但是对我这种小白来说可能有点难,有没有相关的应用场景参考下,有教程的话最好!

asiocasioc提问于
lailaiqong回答于
推荐

好像没有人提到小白如何入门腾讯云的AI产品?我来做下补充吧!【本回答干货教程,带你学会快速使用腾讯云人脸识别产品(人脸检测与分析)为例】

第一步、配置鉴权签名

看不懂鉴权签名不要紧,跟着我的步骤做!

首先,我们先看看相关文档(https://cloud.tencent.com/document/product/867/17588),找到请求参数列,我们看到要使用腾讯云人脸检测,需要如下信息:

参数名

必选

描述

host

recognition.image.myqcloud.com

腾讯云人脸识别服务器域名

content-length

包体总长度

整个请求包体内容的总长度,单位:字节(Byte)

content-type

application/json 或 multipart/form-data

据不同接口选择:1. 使用 application/json 格式,参数为 url,其值为图片的 url ;2. 使用 multipart/form-data 格式,参数为 image,其值为图片的二进制内容。

authorization

鉴权签名

多次有效签名,用于鉴权。

其中我们看到host和content-type及authorization是必须的参数,表中host和content-type参数都给了为recognition.image.myqcloud.com和application/json 或 multipart/form-data,那这个鉴权签名在哪里呢?原来需要我们自己生成啊!点击鉴权签名的链接(https://cloud.tencent.com/document/product/867/17719)发现要一堆参数,看到云里雾里的,没关系,用我下面的代码生成吧

<?php
$appid = "YOUR APPID_ID";
$bucket = "tencentyun";
$secret_id = "YOUR SECRET_ID";
$secret_key = "YOUR SECRET_KEY";
$expired = time() + 2592000;
$onceExpired = 0;
$current = time();
$rdm = rand();
$userid = "0";
$fileid = "tencentyunSignTest";

$srcStr = 'a='.$appid.'&b='.$bucket.'&k='.$secret_id.'&e='.$expired.'&t='.$current.'&r='.$rdm.'&f=';

$srcWithFile = 'a='.$appid.'&b='.$bucket.'&k='.$secret_id.'&e='.$expired.'&t='.$current.'&r='.$rdm.'&f='.$fileid;

$srcStrOnce= 'a='.$appid.'&b='.$bucket.'&k='.$secret_id.'&e='.$onceExpired .'&t='.$current.'&r='.$rdm
.'&f='.$fileid;

$signStr = base64_encode(hash_hmac('SHA1', $srcStr, $secret_key, true).$srcStr);

$srcWithFile = base64_encode(hash_hmac('SHA1', $srcWithFile , $secret_key, true).$srcWithFile );

$signStrOnce = base64_encode(hash_hmac('SHA1',$srcStrOnce,$secret_key, true).$srcStrOnce);

echo $signStr."\n"; 

echo $srcWithFile ."\n";

echo $signStrOnce."\n";
?>

https://console.cloud.tencent.com/cam/capi这个链接下,找到相关参数获取得到的签名所需信息如下:

APPID:YOUR APPID_ID
Bucket:tencentyun(可不填)
Secret ID: YOUR SECRET_ID
Secret Key: YOUR SECRET_KEY

填完之后打开https://www.dooccn.com/php/这个链接,然后把代码粘贴上去,如图所示:

然后我们点击运行

你会看到如图输出,我们只复制第一行文本即可,如图。

这时,你的鉴权签名就生成了,接下来我们就可以使用API了,怎么使用呢?

第二步、测试

这里我们要用到一个名字叫postman的工具,工具请在(https://chrome.google.com/webstore/detail/postman/fhbjgbiflinjbdggehcddcbncdddomop)下载,安装完后界面如图:

我们需要用它测试我们的API,这里我们要参考文档,将配置设置如下

红框中为你生成的签名

appid填你的appid,url写你要检测的图片地址,然后点send。

我们看大图片接口已经返回相关参数了~

怎么样,学会了吗?很简单的,赶快去尝试下吧!

名字真难选a梦想成为一个有趣的人回答于

说说人工智能在语音识别中的应用吧!目前主流的语音识别都大致分为特征提取,声学模型,语音模型几个部分。目前结合神经网络的端到端的声学模型训练方法主要CTC和基于Attention两种。我今天主要讲讲CTC算法。

CTC基本概念

CTC算法全称叫:Connectionist temporal classification。从字面上理解它是用来解决时序类数据的分类问题。

传统的语音识别的声学模型训练,对于每一帧的数据,需要知道对应的label才能进行有效的训练,在训练数据之前需要做语音对齐的预处理。而语音对齐的过程本身就需要进行反复多次的迭代,来确保对齐更准确,这本身就是一个比较耗时的工作。

如图所示,是“你好”这句话的声音的波形示意图, 每个红色的框代表一帧数据,传统的方法需要知道每一帧的数据是对应哪个发音音素。比如第1,2,3,4帧对应n的发音,第5,6,7帧对应i的音素,第8,9帧对应h的音素,第10,11帧对应a的音素,第12帧对应o的音素。(这里暂且将每个字母作为一个发音音素)

与传统的声学模型训练相比,采用CTC作为损失函数的声学模型训练,是一种完全端到端的声学模型训练,不需要预先对数据做对齐,只需要一个输入序列和一个输出序列即可以训练。这样就不需要对数据对齐和一一标注,并且CTC直接输出序列预测的概率,不需要外部的后处理。

既然CTC的方法是关心一个输入序列到一个输出序列的结果,那么它只会关心预测输出的序列是否和真实的序列是否接近(相同),而不会关心预测输出序列中每个结果在时间点上是否和输入的序列正好对齐。

CTC引入了blank(该帧没有预测值),每个预测的分类对应的一整段语音中的一个spike(尖峰),其他不是尖峰的位置认为是blank。对于一段语音,CTC最后的输出是spike(尖峰)的序列,并不关心每一个音素持续了多长时间。

如图2所示,拿前面的nihao的发音为例,进过CTC预测的序列结果在时间上可能会稍微延迟于真实发音对应的时间点,其他时间点都会被标记会blank。

这种神经网络+CTC的结构除了可以应用到语音识别的声学模型训练上以外,也可以用到任何一个输入序列到一个输出序列的训练上(要求:输入序列的长度大于输出序列)。

比如,OCR识别也可以采用RNN+CTC的模型来做,将包含文字的图片每一列的数据作为一个序列输入给RNN+CTC模型,输出是对应的汉字,因为要好多列才组成一个汉字,所以输入的序列的长度远大于输出序列的长度。而且这种实现方式的OCR识别,也不需要事先准确的检测到文字的位置,只要这个序列中包含这些文字就好了。

讲了半天还没讲AI+CTC 别急 我们继续

RNN+CTC模型的训练

下面介绍在语音识别中,RNN+CTC模型的训练详细过程,到底RNN+CTC是如何不用事先对齐数据来训练序列数据的。

首先,CTC是一种损失函数,它用来衡量输入的序列数据经过神经网络之后,和真实的输出相差有多少。

比如输入一个200帧的音频数据,真实的输出是长度为5的结果。 经过神经网络处理之后,出来的还是序列长度是200的数据。比如有两个人都说了一句nihao这句话,他们的真实输出结果都是nihao这5个有序的音素,但是因为每个人的发音特点不一样,比如,有的人说的快有的人说的慢,原始的音频数据在经过神经网络计算之后,第一个人得到的结果可能是:nnnniiiiii...hhhhhaaaaaooo(长度是200),第二个人说的话得到的结果可能是:niiiiii...hhhhhaaaaaooo(长度是200)。这两种结果都是属于正确的计算结果,可以想象,长度为200的数据,最后可以对应上nihao这个发音顺序的结果是非常多的。CTC就是用在这种序列有多种可能性的情况下,计算和最后真实序列值的损失值的方法。

过程入下图所示:

以一段“你好”的语音为例,经过MFCC特征提取后产生了30帧,每帧含有12个特征,即x∈R30×14(这里以14个音素为例,实际上音素有200个左右),矩阵里的每一列之和为1。后面的基于CTC-loss的训练就是基于后验概率y计算得到的。

目前,深度学习的算法已经大规模应用于腾讯云的语音识别产品中。腾讯云拥有业内最先进的语音识别技术,基于海量的语音数据,积累了数十万小时的标注语音数据,采用LSTM,CNN,LFMMI,CTC等多种建模技术,结合超大规模语料的语言模型,对标准普通话的识别效果超过了97%的准确率。腾讯云的语音技术,应用涵盖范围广泛,具备出色的语音识别、语音合成、关键词检索、静音检测、语速检测、情绪识别等能力。并且针对游戏,娱乐,政务等几十个垂直做特殊定制的语音识别方案,让语音识别的效果更精准,更高效,全面满足电话客服质检、语音听写、实时语音识别和直播字幕等多种场景的应用。

社会人就是请不要忘记微笑!回答于

我讲点简单的吧,腾讯云OCR产品的应用,在日常生活工作中,我们难免会遇到一些问题,比如自己辛辛苦苦写完的资料,好不容易打印出来却发现源文件丢了;收集了一些名片,却要一个一个地录入信息,很麻烦;快递公司的业务越来越好,但每天需要花费很多时间登记录入运单,效率非常的低。那么,有没有什么技术能帮助我们解决这些难题呢?有的,那就是OCR文字识别技术。今天我们分享一下腾讯云近年来在这一领域的探索情况。

什么是OCR?

OCR 是实时高效的定位与识别图片中的所有文字信息,返回文字框位置与文字内容。支持多场景、任意版面下整图文字的识别,以及中英文、字母、数字的识别。简单来说,就是将图片上的文字内容,智能识别成为可编辑的文本,例如:

OCR的技术原理是什么?

OCR本质是图像识别。其原理也和其他的图像识别问题基本一样。包含两大关键技术:文本检测和文字识别。先将图像中的特征进行提取并检测目标区域,之后对目标区域的字符进行分割和分类。

以深度学习兴起的时间为分割点,直至近五年之前,业界最为广泛使用的仍然是传统的OCR识别技术框架,而随着深度学习的崛起,基于这一技术的OCR识别框架以另外一种新的思路迅速突破了原有的技术瓶颈(如文字定位、二值化和文字分割等),并已在工业界得到广泛应用。

首先文本定位,接着进行倾斜文本矫正,之后分割出单字后,并对单字识别,最后基于统计模型(如隐马尔科夫链,HMM)进行语义纠错。

OCR技术的难点是什么?

复杂背景、艺术字体、低分辨率、非均匀光照、图像退化、字符形变、多语言混合、文本复杂版式、检测框字符残缺,等等。

如何克服这些难点?

从几个方面入手。一是使用场景,另一方面是从技术上进行改进。腾讯优图实验室在文本检测技术方进行了深度优化,提出了Compact Inception,通过设计合理的网络结构来提升各尺度的文字检测/提取能力。同时引入RNN多层自适应网络和Refinement结构来提升检测完整性和准确性。

腾讯云OCR目前支持什么功能?

基于腾讯优图实验室世界领先的深度学习技术,目前我们已支持:身份证识别,银行卡识别,名片识别,营业执照识别,行驶证驾驶证识别,车牌号识别,通用印刷体识别,手写体识别。

通用印刷体的技术难点,使用场景

我们知道身份证识别可广泛应用在金融行业中,在身份认证中,可以减少用户的信息输入,提升效率,提高用户体验,营业执照的识别完全省去了手工录入的繁琐,还可以为企业省去大量的人力资源成本,这些场景大家都已经比较熟悉。

对于通用印刷体,腾讯优图实验室自主设计一整套全方位多尺度文字识别引擎,可攻破模糊,散焦,透视,文字部分遮挡的问题,识别准确率高达90%以上,处于业界领先水平。使用场景广泛,例如对任意版面上图像的文字识别,可广泛应用在印刷文档、广告图、医疗、物流等行业中的识别。

对于通用印刷体有没有什么好的例子?

例如这个广告,内容多字体多,中英文与数字混合,背景也比较随意。咱们的OCR通过透视矫正、去模糊等,能大幅还原图像真实度,极大提升算法的精确性。

再例如识别文字密集、行间距小,透视畸变等的海报。人工识别需要不仅耗费时间,肉眼也比较难识别。但腾讯云OCR设计了小而精的特征提取网络,配合先进的预处理技术,识别准确率高达93%以上。

有时候也会遇到识别率不理想的情况,如何可以提高识别准确率?

首先会确认下当前的场景,造成准确度不高的原因。评估可提高的空间设计,之后做出相应的修改,列入预处理等等。

关于腾讯云手写体识别这块有没有什么案例?

腾讯是国内首家将手写体识别应用在复杂场景下的服务商,数字识别准确率高达90%以上,单字识别速度在15ms以内,复杂汉字准确率超过80%。

腾讯云手写体OCR已运用到运单识别场景,解决了物流行业每日快递单人工输入工作量极大且极易出错,非常低效等问题。

运单识别与传统人工识别有什么区别呢?

如果传统人工识别按照3min/单,1000单需要6.25个人/天,保证运单时效则需要耗费大量人力,考虑人力成本则影响运单及时性,成本和服务难两全。

我们的运单识别速度可以达到毫秒级/单,并支持24小时识别服务 ,业务增长时只需要投入计算用服务器资源即可,弹性较大。

与传统识别相比,不仅成本可以降低,提高准确性,还可以保护用户的隐私泄露风险。

目前OCR应用现实中有很广泛的应用场景,腾讯云OCR有什么优势?

咱们的OCR文字识别技术,目前支持中文简繁体、英文、数字、标点共10000+标签,覆盖上百种字体,生僻字版本更支持2W+标签 。

那咱们在行业中也有不少落地客户了吧?

新版手Q就用到了咱们的技术,在扫一扫、聊天窗口和空间图片大图预览共三个入口上支持了提取图片中文字的功能。

方便用户阅读、编辑、保存图片上的文字,从而可以对提取出的文字进行翻译、搜索。在多种场景下可以极大提升用户对图片上文字的阅读和记录效率。

企业微信中的名片识别也用到了咱们OCR技术。用户只需拍照或选择名片图片,就能准确快速地识别出名片中的文字,并自动提取为对应的字段,极大简化了名片录入流程,也避免了手动录入过程可能出现的错误。

不管是复杂文字识别场景还是小程序应用,腾讯云OCR都可以解决!目前腾讯云AI服务全面免费接入,为企业,开发者提供成熟可靠、性价比高的产品:

123456a134回答于

AI技术已经家喻户晓。不论是移动终端设备,还是企业系统平台,都开始集成AI能力,现阶段看,AI融合到各个行业的潜力非常巨大,能够在众多场景中发挥作用,比如云计算。在今天数字化转型的浪潮中,企业上云成为了新常态,云上大量的数据、丰富的应用通过AI技术,能够解决很多问题,因此云与AI的融合也是新常态。为了回答这个问题,我收集了不少资料,稍作整理,我们来看看!

朋友圈爆款背后的计算机视觉技术与应用

在现阶段,强调AI在场景中落地,就是希望AI走进千家万户,融入整个社会,而不仅仅是曲高和寡的模型,这就是AI技术产业化的趋势。比如,朋友圈里像军装照、武士青年这种有趣的互动活动,就是目前探索出来的计算机视觉最快能够来到大家身边的落地应用。对于开发者来说,通过对具体案例流程的了解,就能够快速的掌握开发所需要的能力,从而实现自主创新开发。

五四青年节的活动《重温五四,你最像哪位青年?》就是腾讯首先开始做的。通过人脸检测与分析技术、人脸检索技术,将用户上传的照片与特定形象进行脸部层面的检索对比,通过匹配分析找出数据库中外貌特征与用户最为相似的一张照片,这个创意为后续AI娱乐产品设计提供了参考。

相比于学术角度对计算机视觉的定义——如何让计算机从图像和视频中获取高级、抽象的信息,从工程角度来看,「使机器模仿人类的视觉能力变得自动化」的定义则更明了。叶聪介绍,计算机视觉使机器可以部分代替人力理解图片中的信息。计算机视觉还包含一些分支,主要包括物体识别、对象检测、语义分割、运动和跟踪、三维重建、视觉问答、动作识别等等,同时新的分支还在不断出现。

现在比较热门的视觉应用包括人脸识别、无人驾驶、语义分割等。语义分割在AI领域比较常见,一般指词性的分割,或者词的分割。而图像分割里面的语义分割一般指的是把图像里面的不同类型的对象进行标注和区分。

在机器识别领域,现在已经有很多比较成熟的特征提取方法。比如边缘检测方法,图片对象的局部对称性,尺度不变特征,利用灰度的原理等等,这些算法都能够实现提取,但不存在最优方案。在图像分割和对象检测领域也有一些其他算法,例如分水岭算法,分水岭顾名思义就是利用图像的灰度特性把这个图像整个灰度的曲线显示出来。另外,对象检测的常用算法叫主观形状模型,比如以人脸为标准,人脸上有68个点,对这些点进行变换,再去实现匹配目标。

图像识别领域的发展经历了CNN,R-CNN,Faster R-CNN等几个阶段。现在图像识别的流行趋势会趋于大自然的发展逻辑,是一个大循环。那么,基于这些科学实验基础,腾讯云是如何支持AI应用的呢?以五四青年活动为例,它是解决图像匹配的一个活动。首先,从训练数据开始,一般是民国时候的老照片,对它进行提取和标注数据,因为每个照片都有标注,就会生成模型。当用户玩游戏时上传照片测试数据时,会进行特征提取和建模,模型会返回一个分类,这个分数不是执行度,不完全可以参考。最后将会把一个分数最大的值返回到前端,生成页面,这是整个流程。

再以人脸融合类的应用来看,比如军装照。它的流程首先会对图像的人脸部分进行关键点的定位,把人脸上的特征提取出来,然后会对图片进行一些旋转,把它跟模版图进行统一化。下一步会把上传图片的人脸部分根据特征值抠出来,它就会跟模版图进行融合。等融合后如果上传照片的各种光线角度不完全一样,再对图片进行优化,把光影、曲线调得比较平缓,这样就呈现了非常好的效果。

对于开发者来说,掌握了这些能力,在开发出一款有趣的应用之后,如何实现商业化落地?直接把它放在网上就可以让用户下载使用吗?实际上远没有这么简单。现在的普遍做法是,都会采用云服务,尽量不在物理集上部署。为什么需要在云上部署AI应用?因为这些应用一般都会有短时间达到特别高的峰值,持续一段时间会有很快的回落。如果通过自己的IT基础设施来响应这些需求,在成本上会非常巨大,难以承担,而利用公有云,可以把一些机器的成本释放掉,这是目前从开发应用到实现收益的一整套通用商业流程。

目前,腾讯云AI目前能够支持的领域比较多。包括各种人脸合成、身份证识别、智能监控、人脸轧机还有语音合成、关键词搜索等方面。同时,腾讯云的机器学习的平台可以帮助开发者们快速去实现模型。

最后,如何让AI落地到具体场景中,除了技术层面,开发者们如何打磨产品让用户可以简单的使用复杂的技术?通常来说,从有想法到落地是一个非常漫长的过程,它分非常多的环节。首先要有AI算法的专家,同时要有AI工程实践经验丰富的人,最后,还要有更多的产品开发人员把它打磨成产品。

智慧工地:履约考勤系统的应用实践

在目前的智慧城市、智慧工地等领域的建设也充分应用了数字化技术。为响应交通运输部公路品质工程建设的号召,工程建设需要加强四新技术的应用,包括新材料、新设备、新技术以及新工具的应用。在工程项目相对灵活的突发的工作环境中,履约考勤系统往往承担着较大的负荷,现在利用AI技术,就可以实现履约考勤管理的智能化。而一般开发者也可以根据一般企业的需求利用AI技术来开发有特点的产品。

四川云检科技发展有限公司研发总监吴琛表示,针对智慧工地履约考勤系统的应用实践主要分为六个部分,包括前沿、产品分析、系统架构、主要技术、功能分析、应用展望。当前的履约管理的作用是为项目建设工程、质量保驾护航。在实际的应用当中,履约考勤的对象包括施工单位的项目经理、总工、安全生产负责人、设计单位的驻地设计代表、试验检测工程师等一些重要的人员,它针对的是重要的人员而不是其他一般员工。

当前主流的考勤方案大约有7种,包括指纹考勤、ID卡考勤、纸卡钟考勤、人脸识别考勤、虹膜识别、指静脉识别、摄像考勤机。这些方案在实际应用中,在兼顾效率和避免冒名顶替方面都不是很理想。而因为工程建设与参建方的监督与被监督关系,决定了管理部门对履约人员信息的真实性有更高的要求。

通过用腾讯云的AI技术,增加的云端功能非常重要。比如,在施工现场普遍存在人员变更的情况,人员变更以前需要业主或者项目部自行变更,现在有了AI技术,变更的信息可自动识别出来。目前考勤的智能化主要从六个方面考虑,第一是确保在云端;第二是基于AI;第三是基于云计算;第四是要连接大数据;第五是需要是移动应用;第六是支持智能设备。

同时,它还需要具备五个特点:一是具备人员人脸基本信息的采集和录入功能;二是能够基于人员人脸信息的自动识别、采集、比较;三是支持人员信息与人员身份证信息的核验;四是支持考勤地点的设置及异常考勤位置的判断;五是支持关键岗位的异常考勤信息预警以及关键岗位缺勤信息进行预警,支持对履约人员信息变更进行在线管理。具备这些能力,就能在云端对考勤的结果进行验证,实现智能化的考勤管理。

腾讯云的智慧考勤主要包括四个主要技术方案。第一是人脸对比,腾讯云的人脸对比是根据面部特征计算两张人脸的相似度,自动进行身份鉴别;第二是个人证核身的功能,腾讯云的人证核身也是人脸核身,通过用户自拍视频或者一张自拍照与另外一张用户事先留存的照片进行人脸验证,确认用户身份,主要用来帮助提升业务办理效率,降低人力成本;第三是活体检测,腾讯云的活体检测是通过人脸特征点定位跟踪识别进行3D人脸重建模型,判断是否为真人,它支持多平台,包括CPU、GPU计算模式,灵活部署;第四个是基于LBS的定位服务,通过电信移动运营商的无线电通讯网络,GSM,CDMA网获取移动终端用户的位置信息,包括地理坐标或者是大地坐标。

吴琛介绍说,云检智慧履约考勤系统目前能够实现考勤数据的动态分析,包括对缺岗异常的数据实现实时预警的功能。主要有四个功能:一是人脸识别考勤机,主要作用是前端数据采集,包括人员信息登记,人脸考勤以及数据上传;二是用到移动端的APP,主要用于人脸考勤、人证核身;三是履约考勤管理云平台,主要是针对考勤管理、审批管理、统计分析、系统设置等;四是用到API,提供移动APP调用应用程序的接口,主要是腾讯云技术服务以及人工智能当中的人脸对比,人证核身的这类应用。

除了智慧工地领域,人脸识别解决方案在很多场景中应用非常广泛。随着技术的发展、市场扩大,人脸识别技术在现实生活中发挥的价值及作用也越来越大。

总结

因为腾讯强大的社交、游戏等基因,腾讯AI有着非常丰富的实践场景,在朋友圈爆款应用、OCR识别、医疗、游戏等场景中都运用了AI技术,开发出了大量的新功能和能力。即便如此,AI在这些领域的尝试有些还在初级阶段。如何在具体业务场景中提供匹配的能力,利用AI把问题简单化,释放生产力,依然非常具有挑战性。希望腾讯云能把更多技术分享出来,真正做到AI in ALL!

楼主石乐志崇文尚武推理极工回答于

……我感觉应用蛮广的吧,你比如基于日志分析的母机故障定位,比如随着腾讯云业务的扩大,母机数量越来越多。为减少人力并实现母机故障的自动化定位,通过对历史故障母机的日志数据学习,训练模型实现自动化分析定位母机故障原因。对于每一单母机故障我们都需要定位出背后真实的故障原因,以便对相应的部件进行更换以及统计各种部件故障率的情况,因此故障定位和分析消耗的人力也越来越多。希望能借助机器学习的方法对历史故障母机的日志数据进行学习,沉淀出一些模型出来实现自动化的分析新的母机故障的原因,进而提高母机工单的处理效率解放人力,同时也能分析出故障的一些规律,进而实现对故障的预测等。

小川医学生回答于

我记得今年云+峰会上马化腾说AI in ALL ,然后很多AI产品都免费了,想学学如何使用啊~

秋之夕颜清念念不忘,必有回响回答于

我其实也不会用腾讯云的这个AI,不知道怎么使用,求教程!!!

无畏魂者如果对生活没有动力,那和三和大神有几分差别回答于

我记得腾讯云AI有人脸识别和OCR识别的应用吧,具体不太清楚,希望大佬解答下。

扫码关注云+社区

领取腾讯云代金券