腾讯云AI有哪些应用?

  • 回答 (7)
  • 关注 (0)
  • 查看 (532)

云AI现在已经是极具影响力的话题了,那么腾讯云AI有哪些应用呢?

刺激刺激提问于
逆鳞若光天津大学硕士在读 深度学习 尤文死忠回答于

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。

朋友圈爆款背后的计算机视觉技术与应用

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。

OCR的应用集锦及背后技术

OCR是近年比较火热的领域。像身份证识别、车牌识别等都需要运用到OCR技术,而像身份证识别的场景又非常多。因此,OCR作为一项通用型的基础技术,有非常广泛的用途及商业价值。在很多需要人力资源来完成文字识别的工作,比如快递行业的运单识别,保险行业的资料识别,通过OCR技术的利用实现了较大程度的生产力解放。对于开发者来说,借助于OCR技术开放的API,即可完成在各种生活场景的应用开发。

腾讯云现在能够提供多个场景中的印刷体OCR服务。在通用型的OCR场景中,除了证件,还能够识别驾照、车牌、银行卡、名片等等。另外,OCR服务要求准确,以及完备,即能够识别中英文和字符。腾讯云正在由常用语言和字符,例如中英文等往外扩散能力,将识别范围更加扩大。

目前,在银行业等对数字高敏度的行业,对OCR的应用广泛且要求极高。腾讯不仅是第一家将手写体应用在实际场景中的,而且数字的识别率也高达90%以上,单字的识别率在15毫秒以内,复杂汉字超过80%。腾讯云的OCR服务在权威测评中表现也非常出众。在国际模式识别协会(IAPR)举办的文档分析与识别、模式识别领域世界上最权威的国际学术会议ICDAR(International Conference on Document Analysis and Recognition,即国际文档分析与识别大会)上,腾讯OCR识别在ICDAR2015 「Focused Scene Text」场景文字识别任务、ICDAR 2015「Robust Reading Competition」的自然场景文本检测项目中均得到第一名。

腾讯云现在可提供基于各种场景下的OCR服务接口,开发者可以免费使用这些服务来搭建自己的应用。比如,开发者实际需要开发的一个具体场景的软件,需要用到手写体识别或者做一个通用的OCR识别时,可以直接在腾讯云上调用对应的服务来完成应用开发。

腾讯云OCR的应用场景很多,目前在快递运单识别以及保单识别上有明确的目标客户。类似于这种项目一般是定制化服务,都是针对性地解决一个具体的问题。腾讯云根据具体场景下的问题和具体的生产流程来开发一套系统,或者开发一套流程来配合实际的业务,来提高生产效率。

以快递运单识别为例,快递手写运单必须入库才能进行投递,人工识别录入的效率很低,在运用腾讯云的OCR系统之后,每日处理量可达到一千万单,相当于三千多个人三班倒的工作效率。另一个案例是泰康核保,在通常的购买健康保险流程中,都会对购买者病史进行审核,审核包括购买者之前的体检资料以及指定医院的体验资料,通过这些资料分析,来判定购买者身体状况。现在的解决方案是使用腾讯云的OCR,同时与泰康的医疗专家共同设计医学知识库加入到定制化系统。

除了以上两个场景,腾讯云在不同的OCR应用中还有江苏银行、小米等客户。包括工商管理总局的广告监督局也在使用腾讯云OCR的多款服务。

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。

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。

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。

游戏中的AI技术应用

对游戏AI的理解因为身份的差异,其目标各有不同。对游戏开发者而言,运用AI是为了增进用户体验,增加玩家活跃度。现在几乎每款游戏都有运用AI,比如说射击类游戏会有地图,如果有一个非常好的AI帮助玩家去探索地图会非常节省时间,因此AI对于小游戏开发者来说非常重要。

业界的游戏AI技术常用的方法一般是三种。一是行为树;二是基于搜索方法;三是基于学习的方法。今年游戏行业最有影响的是Dota2,它在5个特定英雄等限制条件下的AI能力能够超过90%的玩家,它就是采用强化学习的方法,其它的很多主流游戏都在尝试使用强化学习解决。

以风靡的王者荣耀为例,MOBA游戏AI的做法和遇到的问题有哪些?因为王者荣耀是一款实时对战的游戏,以竞技对战为主,复杂程度表现在英雄角色会非常多,也会带来很多关于AI的复杂问题。第一是MOBA类游戏操作序列及状态空间非常大;第二是游戏包含很多知识,如何去表达;第三是MOBA决策问题复杂度高。

对于这些问题,解决方案方案分为三个方面。一是引入框架进行分层,对任务分层和场景切分;二是引入了多模态的特征表达方式;三是采用多深度学习模型结合。

了解了基本情况后,在游戏AI开发的时候还会遇到很多坑。在游戏开发阶段需要什么样的环境?第一个需要环境是模拟器的问题。目前主要是基于这个环境来调优。AI接入可以使用基于服务器架构,游戏引擎跟算法引擎是分开的,而它们之间是通过通信的方式来进行处理的,它的优点是游戏引擎跟模型进行偶合,并且支持在线学习,因此可以不断强化和更新版本。

就整个游戏AI领域来说,主要是强化学习。与之前最显著的变化就是——以前是基于规则,现在主要基于学习来开发研究。而如果是基于深度学习的方式,就至少要提供相关的环境给开发人员,以及怎么更新迭代。另外,现在的游戏AI还是比较有难度,但同时也充满机会。

社会人就是请不要忘记微笑!回答于

腾讯云AI的应用主要有:

腾讯人工智能业务应用

第一是微信。语音输入是腾讯在微信AI的大胆尝试。通过在输入框输入语音,语音就可以转化为文字。看似是一个非常简单的AI应用,背后却隐藏着复杂的语音识别算法。其次是在QQ音乐里的尝试。当我们听到一首歌但却不知道歌的作曲和演唱者的时候,就可以通过简单的哼唱将这首歌在曲库里面找出来。第三是腾讯优图。腾讯优图是基于图象和人脸深入研究的人工智能研发团队。它的应用场景主要是社交中的智能鉴黄,基于过去建立的庞大黄色图库,优图团队研发的智能鉴黄机器人可以达到99.95%的识别率。第四是腾讯的滨海大厦,主要应用技术是刷脸门禁。进门不需要刷卡,只需要小机器人做刷脸,甚至不需要正面,侧面都可以识别出来。

腾讯AI LAB与腾讯云

2016年开始腾讯公司也开始了AI战略布局,其目标是让腾讯的AI LAB成为全世界顶尖的AI研究机构。成立不到一年,腾讯AI LAB就推出了围棋机器人,在3月18日举办的第10届UEC杯世界计算机围棋大赛上,首次亮相的“绝艺”11战全胜夺得冠军,充分体现了腾讯在AI技术研究方面的实力。腾迅云一直以来拥抱开放,主要做连接和生态,把腾迅过去海量的互联网经验、先进的技术通过这个平台开放出来,连接更多的行业和应用。在云上拥有了资源、数据和算法之后,除了应用在腾讯自身的应用上,也通过AI  cloud把这些能力分享给客户,以产生更多的市场价值。

腾讯云AI Cloud 服务矩阵

简单来说,腾迅云AI Cloud服务矩阵服务三类目标群体,一个是基础研究。基础研究员可以通过云服务器以及深度学习平台快速搭建一个学习环境,以加速技术研究。其二是对应用开发者,通过对外开放图象识别、语音识别接口,可以让开发者在应用中使用一些具有一定实力的人工智能能力。第三是与行业融合,结合云计算本身的资源优势以及在AI上的技术实力,给大家提供垂直的行业解决方案。

DI-X深度学习平台

DI-X深度学习平台是基于腾讯云强大计算能力的一站式深度学习平台。通过可视化的拖拽布局,组合各种数据源、组件、算法、模型和评估模块,让算法工程师和数据科学家在其之上,方便地进行模型训练、评估及预测。目前支持 TensorFlow、Caffe、Torch 三大深度学习框架,并提供相应的常用深度学习算法和模型。

宅女have fun……回答于

腾讯云发布的 AI 安全能力矩阵图,以大数据、机器学习、图计算、知识库等核心技术为基础,发展以安全为导向的社交图谱分析、图像自动识别、知识表达与推理、自然语言处理四大当前热门 AI 领域为组合,形成智能身份鉴定、威胁情报分析、异常流量检测、网络攻击溯源、人机行为识别、恶意图片识别、垃圾文本检测等7项技术应用。

腾讯云将上述 AI 安全能力与不同场景结合,便诞生了对应的 AI 安全产品矩阵。目前,腾讯云上应用到 AI 能力的安全产品已经涵盖业务安全(天御)、主机安全(云镜)、数据安全(数盾)、移动安全(乐固)、账号安全(祝融)、网站与流量安全、内容安全、风控安全等8项安全解决方案,实现由技术能力到场景应用的闭环贯通。

图啥来NLPer回答于

腾讯云针对AI大数据技术的实现与应用,正式对外公布了一站式机器学习服务平台——智能钛机器学习。钛有很多优点,被广泛应用在航空航天领域,腾讯云希望自身的产品也能像钛帮助航空航天领域一样,解决AI开发者的问题,同时帮助开发者打造稳定、可靠的机器学习开发生态环境。

基于以上诉求,在面对非算法人员、AI算法工程师和AI算法专家等不同层次的用户群体时,智能钛机器学习相应的提供多产品形态和差异化机器学习能力,打造了智能钛机器自学习平台(TI Self-Learning)、智能钛一站式机器学习(TI One)、智能钛机器学习加速器(TI Accelerator)三大机器学习智能平台,构建完整的开发者生态。

TI机器学习平台

TI Self-Learning:降低AI学习门槛,打造数据优化“智囊团”

对于一些非AI专业的人士,或是有AI相关需求的业务团队:有数据、有业务场景,但却不懂算法。基于以上人群需求,腾讯云发布了智能钛机器自学习平台(TI Self-Learning)。

智能钛机器自学习平台是一个不需要算法知识的平台,腾讯云通过自研的自学习及自动调参技术,让平台能够利用Hyper Learning、Learning2learn等方式自动进行调参,无需人工调参,并为用户提供多个场景选择,具有自动建模能力。同时在模型的选择、定制上,智能钛机器自学习平台通过迁移学习等能力,能够自主进行优化处理,提供优质服务并优于业界效果,并且模型结果更加简单,易于部署。对于非AI专业用户群体来说,智能钛机器自学习平台相当于一个在线“智囊团”,让用户无需算法经验,便能基于特点场景数据生成模型,真正降低机器学习平台门槛。

TI One:尽享一站式服务体验

虽然AI技术在目前属于高人气产品,但其庞大的智能系统理论与系统操作难度,还是让许多缺乏相应模型构建能力的人,难以快速入门机器学习,这时腾讯云的智能钛一站式机器学习平台(TI One)价值得以显现。

相对于自建模型,智能钛一站式机器学习平台在操作上,对数据中的各元素可以进行可视化拖拽,自由绘制任务流,让大数据、小模型在其中融合灵动,同时在运行模式上为获取优质参数,平台支持并发、串行、周期调度等多重运行模式,让平台运行更加灵活多样。基于学习框架,小到Python,大到当红的Spark、Tensorflow、xgBoost(DMLC),以及自研Mariana和Angel,智能钛一站式机器学习平台支持10多种机器学习框架,同时自身带有100+的机器学习算法,能够随时满足用户所需。借助强大的Python/Spark,集结流行的可视化效果,数据可以直接悬浮呈现,用户可以免点击,对于模型优劣一眼立断。同时一站式机器学习平台还面向算法工程师,支持工程分享、协同调试、任务收藏复用,让智慧凝结在一起,为AI技术创造更多价值提供可能。

TI Accelerator:以“极速”为核心,构建业界领先的资源调度能力

在为AI技术学习提供低门槛的同时,针对AI算法专家、专业算法团队等精英群体,腾讯云还推出了以“极速”为核心要素的智能钛机器学习加速器(TI Accelerator)。通过计算集群分配、优化框架选择和数据传输压缩三方面进行实现,以打造业界领先的资源调度能力。

在框架选择上,加速器可以一键构建分布式Tensorflow框架,封装主流CNN、DNN、LSTM等模型的分布式训练版本,同时基于Tensorflow框架的极致性能优化,加速器可以为用户提供比原生框架更好的单机或多机多卡性能,并在近期还将支持caffe、MXNet等主流AI开发框架,提供多框架选择。面对如此复杂的数据框架结构,加速器提供专门的简洁命令行操作界面,以符合AI开发人员使用习惯,同时相比较其他同行业的低成本,让智能钛机器学习加速器具有更高的性价比。

在“极速”领域,腾讯云联合四维图新助力交通领域,通过智能钛机器学习平台的搭建,系统从最初5天可训练800万+张图片到现今的6.5小时,在基于1.4亿km行车轨迹和200+维度特征分析上,从40小时下降至3.8小时即可完成,智能钛机器学习。

腾讯智能钛是一款基于腾讯云强大计算力构建的一站式机器学习平台。该系列产品集合了腾讯云、腾讯TEG、AI Lab和优图实验室等人工智能能力,以多产品形式提供差异化的机器学习能力,最终形成一个完整的开发者生态,帮助开发者从繁重的机器学习工作中解放。

红月努力的程序喵回答于

腾讯云发布的 AI 安全能力矩阵图,以大数据、机器学习、图计算、知识库等核心技术为基础,发展以安全为导向的社交图谱分析、图像自动识别、知识表达与推理、自然语言处理四大当前热门 AI 领域为组合,形成智能身份鉴定、威胁情报分析、异常流量检测、网络攻击溯源、人机行为识别、恶意图片识别、垃圾文本检测等7项技术应用。

腾讯云将上述 AI 安全能力与不同场景结合,便诞生了对应的 AI 安全产品矩阵。目前,腾讯云上应用到 AI 能力的安全产品已经涵盖业务安全(天御)、主机安全(云镜)、数据安全(数盾)、移动安全(乐固)、账号安全(祝融)、网站与流量安全、内容安全、风控安全等8项安全解决方案,实现由技术能力到场景应用的闭环贯通。

lailaiqong回答于

腾讯云在乳腺癌识别中运用AI技术

腾讯最近正式对外发布了AI乳腺癌症诊断系统。选择乳腺癌这个领域有两个考虑,一是因为对于女性来说乳腺癌是所有肿瘤当中发病率最高的一种,发病率约在16%-17%之间,严重危害女性的健康;二是因为乳腺癌虽然发病率很高,但是治愈率是较好。如果在较早期发现治愈的可能性非常高,对于美国来说目前五年的生存率是在89%,而中国只有83%。这主要是因为中国人口基数过多,有经验的看片医生较为缺乏,而目前应用AI技术就能够有效缓解这个矛盾,最大限度地帮助患者和医生

现在对乳腺癌的诊断主要依赖超声、钼靶、核磁共振、病理和基因等,腾讯云的目标是能够把这些数据模态有机结合起来,形成一个完整的体系,从而提高对乳腺癌的诊疗技术。当前最主流和有效的筛查诊断方式是钼靶,腾讯的AI钼靶乳腺癌诊断系统已经发布,并已经落地到30多家三甲医院进行试用。

腾讯云在乳腺钼靶主要实现了三方面的功能。第一是实现了疑似病灶的定位;第二是提供乳房的良恶性判定;第三是能够自动生成影像报告。

这三方面的功能是如何实现的呢?主要基于一个包括三个维度的技术框架。其中架构前端是钼靶影像的前处理层;中间层是AI学习模型;最后是通过医生反馈对前两部分进行的动态更新。

在中间层AI学习模型上,腾讯云单独设计的方案有四个突出优点。第一是传统的网络输入通常都是单图输入,而现在的方案可实现对左右乳进行对比的四张图同时输入;第二是采用多尺度网络,使得图片输入网络前无须缩放;第三是渐进式的网络构建,这种方式类似大脑学习过程,它把疑难问题分解成若干个相对简单的问题然后逐个解决,在构建网络时由局部到整体,由单幅图像到多幅图像;第四是自步学习的训练方式,类似于大脑由易到难的学习方式,先将训练的样本按难易程度进行分类,在训练过程当中由易到难逐步把样本加进去,对模型进行多轮训练,这可以让模型达到最好效果。

除了基础模型,根据医生的反馈,对于新接入医院的数据会对模型进行迁移学习,实现动态更新。在模型训练的过程中,有一个重要发现=——AI见过的疑难病例的数量和种类很大程度上决定了AI系统的上限。为此是定期从数据库和线上数据中挖掘有价值的疑难病例,并进行标注。同时,其中的一部分病倒还会与三甲医院专家讨论,利用病理或者其他数据进行交叉确认。

现在,腾讯钼靶AI模型已经达到了非常高的精度。其中,肿块探测方面可以达到90.2%@0.2FP;钙化检测精度更高,可以达到99%@0.2FP;对于良恶性分类,可以达到87%的敏感度和96%的特异度。

除了钼靶外,对于病理方面也开展了相应的研究。目前乳腺癌病理研究主要解决两方面,第一个是功能组织学分级,即定义恶性肿瘤恶性的程度,它包含核分裂计数、核多行性打分、腺管形成程度三项内容;第二是免疫组化,使用不同染色片进行分子分型研究。对于已经完成的有丝分裂部分,在学术界TUPAC专业比赛上,之前的冠军F1 score分值为0.73,现在腾讯的钼靶AI系统可以达到0.82,提升很明显。这个精度的提升是归功于三方面的技术。第一点是使用了计算机的难例挖掘方式。经过多轮迭代然后在每一轮次对样本进行整理,由专家确认较难的标注,再放入样本当中进一步学习;第二点是图像的归一化,通过使用对抗网络将图像做归一化,达到提升;第三点是在速度上改进,抛弃原始计算机视觉当中将一整幅图切分的方式,采用共享计算和模型压缩的效果,让一幅病理片可以达到0.5秒级的处理速度,基本上接近于实时。

在核磁共振方面,腾讯也进行了相应的研究,开发了一种半自动的高效病灶标注工具。除此以外,腾讯还在超声方向投入人力,拓展研究边界,目前已经完成了数据准备工作。后期将继续对各模态数据展开深入研究,致力于把多模态的数据有机结合起来,造福患者和医生。

efsdfarr网络工程师回答于

所属标签

可能回答问题的人

  • Y. Ji

    6 粉丝0 提问1 回答
  • Superbeet

    4 粉丝0 提问0 回答
  • 腾讯云AI中心

    腾讯云 · 产品经理 (已认证)

    63 粉丝0 提问19 回答
  • 莫烦

    3 粉丝0 提问0 回答
  • 罗罗可爱多

    腾讯 · 高级研究员 (已认证)

    9 粉丝0 提问4 回答
  • 晏栋栋栋

    2 粉丝0 提问1 回答

扫码关注云+社区

领取腾讯云代金券