AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

简介:

雷锋网(公众号:雷锋网)编者按:7月8日,中国计算机学会(CCF)主办、雷锋网与香港中文大学(深圳)承办的第二届全球人工智能与机器人峰会(CCF-GAIR 2017)的分论坛之一“AI创投”专场的最后一个环节设置一场“立足中美、放眼全球”圆桌讨论,参与圆桌讨论的各大投资大佬专门讨论了他们如何挑中人工智能项目,如何“花钱”和“赚钱”。

本次圆桌的主持人为Comet Labs中国市场负责人王星。参与本次圆桌讨论的嘉宾包括昆仲资本创始合伙人姚海波、红点投资董事张鸣晨、雲九资本董事总经理邱谆、源星资本副总裁毛振桦、国金投资投资副总裁苏亮。

以下为此次圆桌讨论的发言记录,雷锋网编辑在不修改原意的基础上略有删减和修订,小标题为编者所加。

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

王星:Comet Labs是一家专注于 B2B 领域的人工智能和机器人早期投资机构,总部在美国旧金山,主要关注人工智能和机器人在医疗、零售、建筑、农业等行业的垂直应用和一些非常重要的基础设施的基层应用,此前Comet Labs被美国的科技媒体评为全球科技领域创业者不可不知的15家投资机构之一,在国内我们希望与投资者和产业机构合作,帮助美国的人工智能被投企业进入中国市场。

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[王星]

姚海波:我来自昆仲资本,我们主要投人工智能、企业服务、消费服务。人工智能目前占到昆仲资本基金已投项目的50%。覆盖的领域包括自动驾驶、驾驶行为分析、大数据、机器人、图像图形识别,影像图像识别。  

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[姚海波]

张鸣晨:我是红点创投的张鸣晨。红点是硅谷的一个品牌,我们从90年代开始做,到现在基本上做了二三十年。从全球的规模来看,我们大概投了500多家泛 TMT 的互联网高科技项目,我们有超过 30 %的企业都 IPO,或者是通过正向并购的方式退出。

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[张鸣晨]

我们有美国的团队,也有中国的团队。中国的团队里有中国的人民币基金。我们全球配置,又聚焦中国市场。因为今天的主题是AI,AI和高新技术是红点比较重要的赛道。安卓系统的发明人在美国是一个连续创业者,他的前三个项目都是红点投资的,他的第三个项目就是安卓系统,从红点孵化出来后又被谷歌收购,他后来从谷歌退休,现在也在红点工作,所以我们基本上是以他为主,建立了一个湾区最大的人工智能、机器人、VR、AR 的孵化器。

邱谆:雲九资本是一支美元和人民币的双币基金,去年刚刚成立,我是从硅谷回来的,有腾讯的背景,是去年成立的新基金,现在主要看的方向还是以互联网和科技为主,包括企业服务、人工智能,主要关注 A 轮、B 轮项目。我们的团队主要在上海,我常驻在硅谷,在当地会投一些项目。但是,我们的重点还是看国内的项目,人工智能现在是我们的一大块,我们也会看一些传统的互联网项目,包括电商、游戏等。

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[邱谆]

毛振桦:源星资本是纪源资本 2016 年底拆分之后的独立品牌,我们在2016年成立,目前管理规模达 30 亿元,主要投资方向是两大领域,一是智能技术,一是大健康。

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[毛振桦]

我们并不简单地把智能技术定义为人工智能,更多地是把人工智能里的很多技术拆分出来,比如控制技术、交互技术、显示技术、识别技术等,把这些技术拆分出来横切各个领域,来寻找投资机会。

我们目前在技术领域的投资主线分为两块,一块是通过这些智能技术助力军民融合,另外一块是通过智能技术助力国产化。

一方面国外巨头已经垄断了国内市场,我们要抢占一部分市场,另外是国外的技术要填补国内的空白,这一块我们也有一些布局,比如我们布局的无人船,对标美国的相关技术等,我们通过一些对标寻找一些国产化的机会。我们也,发现国内在这些领域的人才、底层技术越来越成熟,孕育了很多机会,今天借这个机会与大家交流一下。   

苏亮:我是国金投资的苏亮,国金是很传奇的基金,它是在泛娱乐领域比较出名的,可能技术圈的人知道的不多,但是它的创始人为什么传奇?国金投资的创始人林先生从大学开始就创业,一直到今天非常成功,我在 2015 年才加入国金投资,我的投资行业工作背景并不丰富,之前在技术和创业的领域更多一些。我目前主要关注计算机视觉领域,我们认为视觉会在这一波的人工智中率先爆发,要比语音和其它的领域更快。我们在硅谷也有一个投资项目,今天场外展示的项目中有一个我们投资的机械臂企业。 

AI 创投圆桌:投资人都在中美找什么人工智能项目?|CCF-GAIR 2017

[苏亮]

一、中美人工智能项目差异

王星:大家都在美国和中国看过很多人工智能项目,也投过人工智能项目,美国和中国的人工智能项目相比,有什么特别显著的特点?在对它们进行判断、估值时有什么区别?最好能结合具体的案例分享一下。   

姚海波:我们的感受是中国的企业贵,真贵。第一,我们在湾区,基金投了关于手势识别交互的一个技术公司,当时在国内有很多它对标的小伙伴,感觉这家在当时是最便宜的。

第二,很多优秀的 AI 创业公司,到今天已经会落地了,而美国的小伙伴也在学习这一点,学习得也非常快,比如,我们当时投资的手势识别的竞争对手,现在到国内来融资。现在中国的落地能力,很大一部分公司都在To G,所以他的团队搭配就是一个技术专家加上一个面向政府的公关人员。

第三,中美的技术差异化对 VC 而言仍是一个黑匣子,我们纯粹做财务投资的不具备很多像之前台上那么多产业公司转型来做投资的小伙伴有那么强的判断能力,但是直到今天,我们有一个很好的标准,就是谁能拿到具体应用,第三方如何评价。我觉得两方都在往一块儿走,今天应该说还是下了决心,接下来我们仍然会在中国找到具体行业应用的优秀公司,希望它能和政府在一起,能和看得到的钱和产业在一起。   

张鸣晨:从我们的感觉来说,投资分三个维度:钱、人和事。钱的事刚才姚总说了,因为市场的问题,会出现便宜、贵的标的,这一块大家都有共识。

从人的角度来说,现在还是共性的问题多,现在我们看到很多的团队都会在硅谷和国内设立自己的办公室,也有特别多的华人的公司,这些人才从美国最顶级的互联网公司、技术公司出来,加入到高科技或者是 AI 创业的大潮里,迅速带来了技术的普及,所以我们的感,没有距离,所以从人、纯技术的角度看,我觉得中美是在同一个起跑线上。

第三是事,这方面我感觉差异是最大的,这个差异其实取决于两个地区市场的环境,刚才姚总也提到,我们能在美国看到很多项目,比如,我们在美国投资很多智能商业项目,美国是纯商业的项目居多,但是在中国是To G 或者大的央企、国企项目居多,这是由于两边的市场造成的。

从好的方面看,对我们国内的创业者而言,我们有一个巨大的市场,比如每年从政府一级一级下来的经费其实就填充了一个巨大的市场,另外一个好的地方就是我们的执行力更强,比如硅谷很多做无人智能驾驶的项目会一级一级拿许可,先是国家层面,然后是州层面,弄得不好,老百姓抗议之后,这个事就做不了,但是在中国,政府自上而下地鼓励这件事,很快就能落地,所以,这是中国好的一个方面。总体而言,我们觉得同大于异,应该说两边会越来越趋同。

邱谆:我非常同意张总的说法,我也花了很多时间在美国看项目,两边现在越来越接近,但是如果要说区别的话,当然也是会有一些的,我记得徐小平先生说过一句话,两边最大的差异在于——国内是说中文的,美国是说英文的。

从人才的角度而言,美国的基数还是大一些,目前中国速度很快,人工智能方面的论文数都在接近,但是美国人工智能顶尖的人才数量多一些,现在从性价比的角度而言,可能美国反而有一定优势。所以,很多新兴初创公司都是在硅谷招几个合伙人,主要是因为技术能力比较强,而且美国团队的综合性强一些,大部分项目纯粹从学术或者从学校出来的,相对而言不算太多,国内感觉更多一些,美国相对而言商业意识更全面一些。一般这些合伙人会有相应的工作经历和产业背景,结合其技术能力。最多的就是谷歌出来的人,很多初创公司都有这样的背景。他们在做商业尝试时会考虑得多一些,会比较早地涉及商业方向的摸索。

再讲到估值,刚才张总也提到,我觉得没有实质上的差别,主要是看人、看方向、看事,没有太大的差别。但是,具体到每一个项目可能就不一样。在中国看团队,看中国人会比较清楚一些,如果一个纯老外的团队——我记得一个很知名的投资人说过,一个项目投还是不投,要从 CEO 的眼中看到成功。

这是我们在做的事情,我们要和他有很多交流,从他眼中看到这个事情。但是如果你的对面是一个深蓝色眼睛的人,会有一些隔阂,会有一些文化差异。当然我们一直在学习,在评估美国的项目过程中,我们也在不断地调整。

毛振桦:我觉得回答这个问题还要从资本角度看,其实有三个方面的因素在影响着创业团队。第一,投资机构本身,投资机构现在面临的最大问题是对人工智能产业的估值体系的建立。

我们在投互联网也好,包括当年投 O2O ,不管成不成功,至少是有估值逻辑的,传统行业用 PE ,互联网行业用规模,O2O 行业用交易流水,这些都有估值的参照体系。

在人工智能行业,可能在天使轮时还可以讲人才背景,在A轮,讲技术特点,但是再往后以什么作为它的估值标准,其实没有参照系,这时我们很难判断它到底是贵还是便宜,这时我们投资一个企业就会带来难度,因为没办法作价。

第二个维度是投资人的投资人,这是中美很显著的差别,因为大部分机构的钱都是募集来的投资人的钱,中国本土的投资人大多不够成熟,而且受房地产、股票市场的影响,投资心态比较重,比较难忍受长周期的投资,不像美国有很多来自大学的基金或者一些公益基金,他们的投资成熟度和投资的忍耐度以及容错能力比较强,会直接影响投资机构的很多行为。

第三个维度是资本市场的退出通道,因为投资机构最终目标还是赚钱,赚钱就要退出,退出就面临着要达到什么样的标准才能退出,中国企业天然是看盈利指标,而美国没有这方面的强制要求。在这方面我感同身受,比如我现在管着深之蓝,这时候我不得不跟他说,你们一定要做商业,你们要落地,不能再谈概念、产品、技术。但是对外国的很多企业的商业能力还是比较强的,他们在技术研发到商业转化的过程中会比较从容,比较少有外部推动他们的压力,不至于让他们的动作变形,可能他们的产品还没有达到一定的成熟度时,他们就不会那么考虑。但是在国内,不管你现在成不成熟,先到市场上跑一圈,把商业的环境跑通再说,慢慢打磨产品,这样两边在经营过程中,很多心态、动作都会有不一样的表现。

苏亮:第一,硅谷的公司可以环境更宽松一点,不需要去讨论太多商业模式,包括估值,我觉得可能随意的成分更多一些。在国内这方面的公司可能会要求更苛刻一点,有时还要看它的商业模式,认知和价值观上确实差异很大。我觉得中美都有自己的优势。

第二,硅谷稍微沾一点硬件和制造的,我们就会很紧张,但是在国内,如果能依托现在国内已经有的一点点在3C制造、轻制造方面的优势,我们就会更加认可一点,但是硅谷好像牵涉到一点点制造就会是很大的麻烦。所以我们的体会是,硅谷是硬核技术的公司,一定把那个技术做到极致,我们就喜欢这样的公司。

二、人工智能领域会有巨头产生吗

王星:过去几年美国硅谷有一批人工智能和技术企业被科技巨头、产业巨头并购的案例,前两天百度还刚刚收购了美国一家 NLP 的公司。接下来的几年,是否认为并购仍是人工智能公司的退出途径,在人工智能领域有没有可能成长出一家或者几家类似谷歌或者 facebook 这样巨头型的企业?

苏亮:我觉得现在还没到这个时机,人工智能还只是方法论,只是 IT 基础构造方法论,真正诞生伟大公司还是因为商业模式的拐点到达。区块链可能会诞生很伟大的公司,但是人工智能会怎么发展,现在我们还只是在技术层面上看各种可能性,这两个问题很难关联在一起。

毛振桦:对这两个问题,前一个问题我觉得不一定是完全靠并购,这两年人工智能在全球范围越来越普及,无论是 B 端还是 C 端,对它的认知也慢慢清晰起来,这对创业企业而言,落地的难度就更低一点,有更多的商业场景以后,规模化起来,无论是国内市场还是和国外市场,IPO 退出的可能性也是有的。

第二个问题我相对悲观一点,在人工智能领域要成长成谷歌或者facebook这样的公司难度比较大,因为这两家公司不是基于人工智能,它们是基于规模成长起来的,国内的 BAT 也是如此,它们通过自己的搜索广告、电商、社交,先建立起庞大的用户规模,然后通过用户规模再导入技术,这是比较跑得通的,现在人工智能的团队一方面要做自己的技术研发,一方面又要积累自己的潜在用户,其实要做的工作就非常多,投入也非常高,这样的企业要成长为一个平台,难度非常大,如果在国内你要做的话,还是要踏实做大客户规模,而不是用户规模,做大你的收入和利润结构,而不是做大盘子的体量,这可能是更务实的做法。

邱谆:我比较同意这个说法,当然首先个人觉得收购肯定还是会发生的,一定不会停止,尤其在退出渠道这一块。现在百度已经收了至少三家公司,我觉得还会继续做,但是从另外一方面而言,10亿美元规模的收购可能会放缓,目前来看这个窗口已经过去了。之前发生了几次这样大规模的收购,窗口慢慢在关闭,因为之前人工智能还处在一个高速积累的过程,巨头很多时候为了买一个基础的技术,或者买一个团队,会愿意跳进去,其实 DeepMind 最开始就是一个会下棋的程序,所以在人工智能领域,我们更多还是赌 IPO 这一块。

现在我会乐观一点,刚才几位嘉宾都提到,它应该是一个垂直的应用,应该是落地的,而不只是单纯的纯算法平台,比如与医疗或者金融相关,或者现在在风口上的自动驾驶,都是比较清晰的应用。但是大家都还在摸索,没有哪一家说已经找准了一个杀手级的应用。

就时间点而言,我还是相对比较乐观,刚才提到谷歌和facebook,其实是在互联网时期出现的巨头,互联网发展到这个阶段,技术上已经到了一个平台期,所以在社交和搜索这两个应用上诞生出巨头,刚开始它们也没有那么大,上市以后越做越大,从这个角度而言,我觉得人工智能在未来几年内就有可能诞生巨头,比如自动驾驶领域,百度、谷歌,也有可能是其它自动驾驶公司。现在行业格局还没有完全固定,百度也公布了它的阿波罗计划,但是未来格局是不是像它计划的还是一个未知数,所以,初创公司还有很大的机会,只要做出来了,整个出行行业就被完全颠覆了,所以这至少是一个上千亿美元的事情,所以我还是比较乐观的。

张鸣晨:很多收购、并购其实是纯 AI 技术公司,大公司为了做技术储备,或者人才储备要做很多早期收购,我觉得这属于防御型进攻。

AI 本身是一个方法论,这个东西真正变成一个很大商业的事,是 AI 加上其它行业,比如出行、医疗、传统的制造业,需要 AI 和各种线下的需求结合,只要有巨大需求,在这个领域还是有机会在 AI 的应用上产生一些比较大的公司。

2007年,谷歌收购YouTube,当时所有的公司都觉得谷歌收得非常贵,今天来看,它收得太便宜了,因为整个市场的发展,人的生活其实在往上走,也许过5年再回头看,觉得一般会发生非常大的变化,所以我也相对乐观。

姚海波:我听完他们的态度,我更加坚定了我是这里最乐观的一个人。

我认为人工智能一定会出无敌公司,这是我的定义,所谓无敌公司就是像谷歌、facebook、亚马逊这样的公司,过去 10 年它们分别干了两件事,第一件事是谷歌和百度做了信息之间的互联,它们连接了信息,亚马逊和阿里做了物品之间的互联,它们连接了物品,facebook和腾讯是连接了人,所以过去10年他们做了这第一件事。

第二件事,过去10年他们把自己的跑道占有了70%,所以今天能维持我的无极公司的定义。人工智能是干吗的?用一句时髦的话说,我就是月亮派来消灭你们的。怎么消灭?首先人工智能不仅连接了人,还连接了信息,同时连接了物,这么伟大的事,在座的人为什么出现在这里?不就是为了去消灭过去的无极公司,然后再从里面再造,找到这样的机会吗?这是我的态度,我是这里最乐观的。

当然,从现阶段看,不管是技术储备、行业应用,还是人才,这里最大的瓶颈就是人才,这都不具备成为无极公司的前提。

这个阶段怎么办?求并购是非常现实的,不管你在哪个跑道创新,看看谁现在还有钱,下一步是不是就要跟他在一起玩,比如无人驾驶,你需要和车厂合作,在中国你和互联网公司在一起也是一条路,但是互联网公司是不计成本的,它最看重的是安全,这是两条路。你要做选择,如果你说我既不跟互联网公司在一起,我也不跟车厂在一起玩,除非你有一条“独门绝迹”,你创造一条路让大家跟你玩,这是第三条路径。

所以,我觉得求并购也是最现实的选择。现阶段不管是行业应用,还是创新方面,我们两方面都看,有应用需求可以找我们,我们也会关注黑科技。

三、除了中美,投资人最关注哪?

王星:最后一个问题,我们这个主题还有一个部分叫做放眼全球,除了中国和美国,最关注的区域是哪儿?

苏亮:我比较关注英国,我在英国待了很长的时间,我觉得它的学术气氛更浓一些,而且英国的 AI 领域创业公司价值观更宽松一些,这是除了硅谷之外我最关注的一个地方。

毛振桦:我最关注的是德国,我更看重的是它的智能制造。其实中国不缺乏聪明人,很多时候我们不是想不到,而是我们做不到,比如芯片的流片工艺、很多高精尖零部件的加工,我们都被欧美、德国、日本卡着,比如工业机器人,我们的减速机、驱动器的成本降不下来,我们比四大家族的还要贵,这就导致了要国产化,我们的工业机器人就会有难度,中国干的更多的是系统集成。制造作为智能产业的基石,反而最有价值,也最有必要被自动化、信息化和智能化所改造。

邱谆:我们这边比较懒一点,基本上就是关注中国和美国,要么我就是在国内出差,在美国基本上我都不出差,我连东部都很少去,基本就待在硅谷。硅谷有句话说,投资可以不出沙丘路,这话可能有点夸张,这条路有点像股票市场的华尔街一样。当然这样的说法也有一定的道理,因为现在整个格局是全球化的,我们很难发现某个公司是某个地方的公司。

如果一定要选一个地区,我会看以色列,但是因为以色列的国内市场非常小,所以只要过了A、B轮,它就一定会出现在硅谷,这些人一定会在硅谷寻找市场、寻找资本。所以,我觉得再往后一定会有这样的趋势,如果我们看到一个中国的公司,我回到硅谷调查一下,没有一个人听说过这个公司,那可能就是有问题的。尤其是和技术相关的东西,你很可能在硅谷或者在美国寻找一些人才、市场。因为现在技术是相同的,生态系统也是相通的,比如你做一个App你放到 App store上,大家都可以下载。

以后更多的是跨境的概念,基本上大家都是全球的概念,你做什么都是在全球的市场、技术前沿、生态系统里竞争,所以我回过头来还是在硅谷看项目,不管是中国的项目,还是以色列的项目,发展到一定程度,都会跑到硅谷和当地的巨头聊,和当地的投资者聊,他一定会出现在我们的视野内,所以我觉得以后投资可能会变得轻松一点,不用到处跑,在国内可能还是要到处跑一下。

张鸣晨:我们除了硅谷的主战场,还有两个地方比较关心,一是以色列,确实是比较重要的地方,因为它的人才储备、技术也比较好,另外就是国家领土比较小,所以他们做生意从第一天开始就瞄着全球市场,和以色列的公司聊,他们都是全球的业务,质量也比较高,我们前段时间还有同事去看过,现在国内也有很多上市公司、投资机构经常会去这些地方,也有很多收购行为发生。

另外,我们比较关注的是一些技术型大公司出来的人,不管是在中国、美国,还是在其他的国家,比如谷歌、微软、facebook出来的人,在这些公司的平台上得到很强训练的人,有很好的视野,也有很好的技术能力,可以做一些很新颖、具有突破性的事情。

姚海波:我们的观点还是很明确,我们只关注中美,重点是关注中国的创业机会。但是希望不管是德国、美国,还是以色列的技术,都会在中国落地,这是我们做创业的机会,我们希望在全球找到这样的人才。

本文作者:李勤

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
2月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
89 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
2月前
|
人工智能 运维 安全
阿里云通过ISO42001人工智能管理认证,引领AI治理推动协同共治
9月19日,在杭州云栖大会「AI治理与安全论坛」上,阿里云宣布通过人工智能技术的全生命周期管理ISO42001体系认证。该项认证由国际标准化组织(ISO)和国际电工委员会(IEC)制定,是第一部可认证的人工智能国际管理体系标准。
121 14
|
4天前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
54 30
|
13天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
44 6
|
14天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
14天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
2月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
116 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
26天前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
50 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
2月前
|
人工智能 JSON 数据格式
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
【9月更文挑战第6天】RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
96 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面

热门文章

最新文章