1.5 视觉智能实例：视觉诊断
第三个是视觉诊断，包括诊断人和诊断机器。诊断人比较好说，就是医疗图像分析，现在也是很热的题目。当然它比其他的方向慢了半拍，一方面由于数据收集的困难；另一方面是需要很强的专业知识。机器诊断是还没有开发的方向，它的问题有点像前面提到的异常检测的问题，有发生概率很低、正例样本很少，以及正例样本差异性大三个特点。举个例子，1万个样本，只有10个有问题是你要找出来的。但是你找不准那10个，只能说找出100个，那10个就在100个里面。这时你的召回率是100%，而准确率很低，只有10%。但是，这有没有用？我们算算省了多少人力，省了99%，因为你只需要看100个就行了。哪怕只有1%的准确率，只要召回率足够，也省了90%的人力。所以这类问题的目标不一样，衡量的标准也是不一样的，省人力是非常重要的指标。其实这里面涉及到各行各业的视觉问题，凡是过去需要人眼来看的，是不是都可以用视觉的方法来解决。从这个角度来讲，就是遍地黄金，很多地方都可以挖到黄金，不见得出来一个视觉创业公司就一定要去做人脸识别。
