中建八局一公司通过“两化融合管理体系”评定,成为建筑行业先行者! 雷沃重工:农机绘就“一带一路”草原新画卷 关于做好2020年两化融合管理体系贯标试点申报工作的通知 2020第十七届中国制造业数字化转型解决方案高峰论坛 中国制造业数字化转型的征程 山东省人民政府新闻发布会:介绍坚持‘腾笼换鸟 凤凰涅槃’、山东新旧动能转换成效初显有关情况 工业和信息化部办公厅关于开展2020年度中小企业发展环境第三方评估工作的通知 工业和信息化部办公厅关于开展2020年网络安全技术应用试点示范工作的通知 国务院关于印发新时期促进集成电路产业和软件产业高质量发展若干政策的通知 山东2020年电信普遍服务自然村4G网络建设工作动员部署电视电话会议召开 第四批山东省首版次高端软件产品名单公示
当前位置:首页 > 优秀案例 > 工业案例

人工智能如何落地到各种行业?

发布时间:2019-01-17 13:12:42 来源:管理员 作者:超级管理员

如今,人工智能如何落地到各种行业之中已经成为很多企业发展的困惑。


1人工智能行业落地方向探讨与人工智能在服装行业落地的机遇与挑战


概念:最早是从15年,阿法狗获得世界冠军这样的事件让其回到人类的视野.从16年到现在,阿法狗也做了很多的改进,比如AlphaGo zero、Alpha zero, 整个改进的历程和路径其实和我们解决人工智能问题的方式其实是非常相似的。

最先是个强调监督学习的软件;到AlphaGo zero强调的是训练数据,通过自我博弈去生成训练数据,或者其他的方式减少对训练数据的依赖 ;再到Alpha zero能够做到更通用。除了围棋之外,人工智能已经落地到很多维度,如无人车。

简单回顾一下人工智能发展的过程。其实并不是最近几年才有的概念,在很早之前随着计算机的诞生就已经开始了。人工智能在落地的过程中有两个重要的点,一是对需求的把握;一是对技术边界的把握。

人工智能现在涉及落地的领域。

在这么多领域当中可以发现没有找到服装行业有相关的科技巨头,那么人工智能是否能辅助服装行业或者落地到服装行业呢?

这是某科技公司现在在做的事情。我相信任何相关从业人员解决的都是两方面的问题,一是问题是否有价值,二是模型是否能创造价值所需要的精度。

如何把人工智能落地到行业中去?在这一点该科技公司是怎么做的呢?

首先寻找行业的痛点。主要有三大块:做什么?怎么做?怎么卖?怎么卖:淘宝等平台丰富;怎么做:智慧共产比较热的话题,是否所有的车间都能实现无人化呢,在服装行业还是比较难实现的。那么做什么就成了最大的问题,所有的服装都是从设计开始。在我们充分的市场调研发现做什么十分重要,第一它直接决定了款式好不好,库存怎么样,卖得怎么样,现在相对来讲没有很好的系统辅助,现在我们发现还是可以通过技术手段互联网方式来解决。

设计师获取灵感方式

设计师找素材其实非常不方便的,这是设计师现在很大的一个痛点,我们也主要是围绕这个。我们需要去把不同的数据汇集起来,打通结构化和非结构化数据,从中分析出流行趋势和变化规律以及好卖的款式,如何从海量的数据去获取设计师需要关注的信息,AI就会从中做出分析,过滤无用信息或者让有用的信息更凸显,这就是该公司目前要解决的问题。


2

解决人工智能问题的思路与方法论


服装设计的图片是海量的,那么如何从海量的图片中去寻找有用的图片,这里可以理解为推荐,但是跟今日头条和搜索的推荐不同,它们是文字,而服装需要被推荐的东西是图片,机器理解图片更加复杂,怎么把数据源整理和整合起来并有针对性推送给客户,这就是人工智能的技术应该去解决的问题。

我们希望去推荐好的时尚图片,首先就要去分解问题,大问题化解为数个小问题,使得每个小问题都有解决的方案,该科技公司做的是图片推荐,第一个做的就是对图片的理解;第二个才是对图片的推荐。把图片变成一些特征的向量之后,把图片之后的特征全部提取之后,之后就和经典的推荐差不多,在任何一个人工智能问题的解决中分解问题、转化问题都非常重要。

当我要解决推荐问题的时候我也会看看在相似场景都适合怎么落地的,谷歌的推荐系统就很有借鉴的意义,这个时候就要判断一下里面相似部分和不相似在哪里,针对不相似部分要如何处理,相似部分该怎么借鉴,这是推荐所有入门同学去处理问题的一个方式。

前面提到了很多应用,大部分都是利用深度学习来进行的,但深度学习不是万能的,在有些领域也是不适用的。


3

训练数据收集


大概流程如下:

多层复杂特征提取这一点多深度学习来说非常重要,这是深度学习能够突破瓶颈的核心。

介绍一些该科技公司的经验,主要分为两个部分。数据收集对于最终的模型训练非常重要,首先要对图片去进行理解,打标签,指定标签,在落地过程中标签体系的建立花费特别多的时间,这取决于模型的能力。

随着业务需求的深入需要更细致的标签 如何在最短的时间指定相对持久的标签取决于三方面,首先要借鉴已有的如淘宝;第二点利用专业能力和理解力来判端并做出相匹配的标签体系;最后是算法的能力。

标签体系制定好之后就是如何去收集标签。大部分机器学习模型比较依赖训练数据的准确率,所以说一个很好的系统去辅助打标签是非常重要的事情,知衣科技就研发了一个非常好的打标系统。尽可能地利用机器学习模型来得到结果,结合模型的输出,给出候选答案,帮助去更好的收集数据。


4

模型调优方法论


首先要解决的问题是物体识别,哪些部分是服装,这是经典的图像识别问题。

然后要根据应用的情况选择算法框架,对比三个主流的框架,在精度和速度方面我们选择了yolo3.

选择好基本框架之后我们就要考虑怎么去优化。不管怎样调参,几次之后还是会有问题的存在,在怎么去改进,比较主要的方法是做错误分析。比如在做错误分析的时候,发现对小物体的识别是比较困难的,发现这个问题之后就去找相应的实现方法,选择适用于你的方法。


推荐