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
|
2月前
|
机器学习/深度学习 算法 TensorFlow
深度学习中的图像识别技术
【9月更文挑战第3天】本文介绍了深度学习在图像识别领域的应用,包括卷积神经网络(CNN)的原理、实现和优化方法。通过代码示例展示了如何使用Python和TensorFlow库构建一个简单的CNN模型进行图像分类。
|
5天前
|
机器学习/深度学习 人工智能 算法
利用AI技术进行图像识别的探索之旅
【10月更文挑战第21天】本文主要介绍了如何运用人工智能技术进行图像识别。通过深入浅出的解释,让读者对AI图像识别有更深入的理解。同时,文章还提供了一些代码示例,帮助读者更好地理解和应用这些技术。
|
6天前
|
机器学习/深度学习 监控 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20天】本文将探讨深度学习在图像识别领域的应用,包括其原理、关键技术和实践案例。我们将从基础概念出发,逐步深入到模型构建、训练技巧以及性能评估等高级话题。通过实例分析,揭示深度学习如何革新传统图像处理流程,提升识别准确率和效率。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和实用的知识。
|
21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
【10月更文挑战第5天】在人工智能的浪潮中,深度学习技术以其卓越的性能和广泛的应用场景成为了科技领域的热点。本文将探讨深度学习在图像识别中的应用,通过实际代码示例,揭示其背后的原理和实现方式。我们将看到,从基础的卷积神经网络到复杂的模型架构,深度学习如何一步步提高图像处理的准确性和效率。
|
22天前
|
机器学习/深度学习 自动驾驶 算法
深度学习中的图像识别技术及其在自动驾驶中的应用
【10月更文挑战第4天】本文深入探讨了深度学习在图像识别领域的应用,并特别关注其在自动驾驶系统中的关键作用。文章首先介绍了深度学习的基本概念和工作原理,随后通过一个代码示例展示了如何利用深度学习进行图像分类。接着,文章详细讨论了图像识别技术在自动驾驶中的具体应用,包括物体检测、场景理解和决策制定等方面。最后,文章分析了当前自动驾驶技术面临的挑战和未来的发展趋势。
34 4
|
28天前
|
机器学习/深度学习 人工智能 监控
深度学习中的图像识别技术及其应用
在人工智能的众多领域中,深度学习以其强大的数据处理能力脱颖而出。特别是在图像识别领域,深度学习模型如卷积神经网络(CNN)已经成为了研究和应用的热点。本文将通过浅显的语言和生动的比喻,带你了解深度学习如何“看”懂一张图片,并展示一些实用的代码片段来加深理解。
|
8天前
|
机器学习/深度学习 数据采集 人工智能
数据驱动的AI技术:如何通过深度学习提升图像识别精度
【10月更文挑战第18天】 数据驱动的AI技术:如何通过深度学习提升图像识别精度
16 0
|
1月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
深度学习中的图像识别技术及其应用
【9月更文挑战第33天】本文将深入探讨深度学习在图像识别领域的应用,并展示如何通过实际代码实现一个简单的图像识别模型。我们将从基本原理出发,逐步引入关键技术和实现方法,最终通过一个实例来演示整个过程。
|
2月前
|
机器学习/深度学习 监控 TensorFlow
深度学习中的图像识别技术:从理论到实践
【9月更文挑战第26天】在本文中,我们将深入探讨深度学习在图像识别领域的应用。首先,我们将介绍深度学习的基本原理和关键技术,然后通过一个实际的案例——手写数字识别,展示如何利用Python和TensorFlow实现深度学习模型。最后,我们将讨论深度学习在图像识别领域的挑战和未来发展方向。
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的正则化技术及其在图像识别中的应用
【10月更文挑战第8天】本文深入浅出地探讨了深度学习中一项关键技术——正则化,并详细解释了其如何有效防止模型过拟合。通过引入正则化的基本概念,阐述其在深度学习中的重要性,并结合具体代码示例,展示如何在图像识别任务中应用正则化技术来提升模型性能。文章旨在为初学者提供一个清晰的正则化技术入门指南,同时为有一定基础的开发者提供深入理解和实践的机会。