苹果收购法国图像识别公司 技术或植入iPhone

本文涉及的产品
图像搜索,7款服务类型 1个月
简介:
本文讲的是 苹果收购法国图像识别公司 技术或植入iPhone, 在苹果 11 月份将上市发售的新款手机 iPhone X 中,计算机视觉识别将成为重要的主角,苹果也将在行业内第一次实现对脸部的三维扫描识别。和这一策略相呼应的,是苹果正在收购相关的公司和人才。据外媒最新消息,苹果已经收购了法国的照片识别技术公司 Regaind。

这家公司目前正在开发一种全新的算法,能够有效识别照片中的内容以及拍摄质量。

     据美国科技新闻网站 AppleInsider 报道,苹果其实上已经在年初收购了这家法国新创技术公司,不过媒体刚刚通过消息人士获悉此事,苹果和 Regaind 之前均未对外宣布此事,目前也不清楚收购的交易金额。

Regaind 是一家研发计算机视觉识别技术的厂商,尤其善于对照片内容进行识别。对于科技行业来说,识别照片中的人物和物体已经不是技术难题,比如 Facebook 已经在网站或者照片管理功能中部署了照片识别功能。Regaind 公司的技术除了识别照片中的物体之外,甚至还能对照片的拍摄水平进行评价,比如摄影构图是否合理优秀等。

该公司的技术,可以从大量照片中挑选出优秀的作品,剔除掉低质量的照片,或是删除拍摄画面雷同的照片等。

该公司的技术也能够根据所识别到的人物画面,来判断性别、年龄、表情等信息。之前,包括微软必应在内,一些厂商已经推出了根据照片猜测年轻的功能,引发了用户的兴趣。这一简单功能背后需要依托复杂的人工智能技术,只有技术先进的开发者,才能够准确猜测出照片人物的真实年龄。

在 9 月 12 日对外发布的 iPhone X 中,苹果在智能手机行业内第一次推出了三维脸部识别功能,苹果内置了识别传感器以及红外传感器等零部件,能够对脸部的三维结构以及面部肌肉进行准确的识别和验证。

据报道,识别用户的身份仅仅是苹果三维扫描识别功能的一个初级用途,其更大的用途在增强现实领域,苹果将能够识别空间场景和具体的物体,快速构建三维数字模型,从而让 AR 开发者叠加虚拟人物或信息,摆放各种游戏道具,带来全新的增强现实体验。

目前还不清楚上述被收购的法国公司的技术,是否应用到了 iPhone X 手机的面部识别或是动态表情符功能中。

动态表情符也成为 iPhone X 的一个亮点,它能够根据智能手机捕捉到的用户面部表情,对于表情符进行个性化定制,让好友之间的沟通变得更加有趣。据外媒估计,苹果这一功能可能依托了 Regaind 公司的技术。

计算机视觉识别属于人工智能领域,系统需要通过大量的数据积累,提高识别准确率。众所周知的是,在人工智能领域,苹果长期处于落后的态势。不过在过去一年时间里,苹果已经开始大举发力。

包括 Regaind 在内,苹果已经收购了多家人工智能技术公司,其中五月份斥资五亿美元,收购了一家名为“Lattice”的人工智能厂商。在 2016 年,苹果也至少收购了四家人工智能公司。

据悉,依托多次收购,苹果已经在美国西雅图市设立了人工智能研发机构。这一技术的研发成果,未来也将更多整合到苹果手机中。


本文作者:佚名

来源:51CTO

原文标题:苹果收购法国图像识别公司 技术或植入iPhone
相关文章
|
23天前
|
机器学习/深度学习 人工智能 大数据
基于深度学习的图像识别技术最新进展####
近年来,深度学习在图像识别领域取得了显著突破,本文综述了该领域的最新研究进展,特别关注卷积神经网络(CNN)的优化与创新、数据集扩充与增强策略、以及模型压缩与加速技术。通过对比分析不同网络结构和训练技巧,揭示了提升图像识别精度与效率的关键因素。此外,探讨了小样本学习、迁移学习在实际应用中的挑战与解决方案,为未来研究方向提供了新的视角和思路。 ####
100 8
|
19天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶汽车中的应用####
【10月更文挑战第21天】 本文探讨了深度学习中的卷积神经网络(CNN)如何革新自动驾驶车辆的视觉感知能力,特别是在复杂多变的道路环境中实现高效准确的物体检测与分类。通过分析CNN架构设计、数据增强策略及实时处理优化等关键技术点,揭示了该技术在提升自动驾驶系统环境理解能力方面的潜力与挑战。 ####
48 0
|
6天前
|
机器学习/深度学习 传感器 边缘计算
基于深度学习的图像识别技术在自动驾驶中的应用####
随着人工智能技术的飞速发展,深度学习已成为推动自动驾驶技术突破的关键力量之一。本文深入探讨了深度学习算法,特别是卷积神经网络(CNN)在图像识别领域的创新应用,以及这些技术如何被集成到自动驾驶汽车的视觉系统中,实现对复杂道路环境的实时感知与理解,从而提升驾驶的安全性和效率。通过分析当前技术的最前沿进展、面临的挑战及未来趋势,本文旨在为读者提供一个全面而深入的视角,理解深度学习如何塑造自动驾驶的未来。 ####
37 1
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的图像识别技术及其应用
在这篇文章中,我们将探讨深度学习在图像识别领域的应用。通过简单易懂的语言和实际代码示例,我们将深入了解如何利用深度学习技术进行图像识别,并探讨其在不同领域的应用。无论你是初学者还是有一定基础的开发者,这篇文章都将为你提供有价值的信息。让我们一起探索深度学习的世界吧!
|
12天前
|
机器学习/深度学习 数据采集 传感器
基于深度学习的图像识别技术在自动驾驶中的应用研究####
本文旨在探讨深度学习技术,特别是卷积神经网络(CNN)在自动驾驶车辆图像识别领域的应用与进展。通过分析当前自动驾驶技术面临的挑战,详细介绍了深度学习模型如何提升环境感知能力,重点阐述了数据预处理、网络架构设计、训练策略及优化方法,并展望了未来发展趋势。 ####
48 6
|
14天前
|
机器学习/深度学习 监控 自动驾驶
基于深度学习的图像识别技术研究进展###
本文旨在探讨深度学习在图像识别领域的最新研究进展,重点分析卷积神经网络(CNN)的技术创新、优化策略及其在实际应用中的成效。通过综述当前主流算法结构、损失函数设计及数据集增强技巧,本文揭示了提升模型性能的关键因素,并展望了未来发展趋势。尽管未直接涉及传统摘要中的研究背景、方法、结果与结论等要素,但通过对关键技术点的深度剖析,为读者提供了对领域现状与前沿动态的全面理解。 ###
|
27天前
|
机器学习/深度学习 算法 自动驾驶
深度学习中的图像识别技术
【10月更文挑战第37天】本文将深入探讨深度学习在图像识别领域的应用,通过解析神经网络模型的构建、训练和优化过程,揭示深度学习如何赋能计算机视觉。文章还将展示代码示例,帮助读者理解并实现自己的图像识别项目。
|
27天前
|
机器学习/深度学习 人工智能 自动驾驶
深度学习中的图像识别技术及其应用
【10月更文挑战第36天】在当今科技飞速发展的时代,深度学习已成为人工智能领域的一颗璀璨明珠。本文将深入探讨深度学习在图像识别方面的技术原理和应用实例,旨在为读者提供一个全面而深入的了解。我们将从基础理论出发,逐步揭示深度学习如何革新了我们对图像数据的处理和理解方式。
|
29天前
|
机器学习/深度学习 算法 TensorFlow
深度学习中的图像识别技术
【10月更文挑战第34天】本文将探讨深度学习在图像识别领域的应用,并介绍如何利用Python和TensorFlow库实现一个简单的图像分类模型。我们将从基本原理出发,逐步讲解数据准备、模型构建、训练过程以及结果评估等关键步骤。通过本文的学习,读者可以了解到深度学习在图像识别中的强大能力,并掌握如何使用现代工具和技术来解决实际问题。
68 2
|
10天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术及其在自动驾驶中的应用####
本文深入探讨了深度学习驱动下的图像识别技术,特别是在自动驾驶领域的革新应用。不同于传统摘要的概述方式,本节将直接以“深度学习”与“图像识别”的技术融合为起点,简述其在提升自动驾驶系统环境感知能力方面的核心作用,随后快速过渡到自动驾驶的具体应用场景,强调这一技术组合如何成为推动自动驾驶从实验室走向市场的关键力量。 ####
29 0