基于图像模式识别,
为垂直行业芯片制造商、整体解决方案供应商提供定制AI算法

Wonder How(欲知),致力于人工智能技术的普惠,为行业+AI发展提供基于图像识别的核心算法定制,并通过深度学习及优化自研算法,不断扩充基于图像语义可识别、可理解、可转换、可推理的智力深度和广度,从专用智能逐步到通用智能,构建机器视觉中枢雏形。

从物种分类识别起步,Wonder How(欲知)将深度学习应用于图像模式识别,先后发布了针对动物/宠物、植物/病虫害、日常用品的识别算法程序,实现0.46秒内、95%以上的准确识别。

宠物识别

覆盖AKC标准的全部256种纯种狗和CFA标准的全部42种纯种猫的识别,是全球首款覆盖全部纯种猫狗的宠物识别应用。该算法获得2017年Kaggle国际猫狗识别大赛第七名,是唯一一支进入Top10的中国参赛团队。

欲知花草

通过机器学习,对植物叶脉、花朵、果实等植物局部或全景图像进行处理,达到识别物种、准确分类等目的。该算法支持超过5600种植物的准确分类识别,并被应用于中国科学院华南植物园“智能识别植物园区”。

植物诊室

在识别植物种类的基础上,进一步通过叶脉等外观识别病虫害及微量元素缺失。该算法能识别植物真菌病、细菌病、线虫和病毒病在内的10种常见病虫害和13种元素缺失的检测,并提供日常种植环境问题判断和处理建议。

车流监测

通过普通摄像头获取车流视频信息,再利用图像识别模型,对视频流进行处理及分析,该算法能有效甄别实际场景中车辆的类别、颜色、品牌及具体型号等多维度细粒度信息,并作出统计与分析。

鞋款识别

在成功识别凉鞋、运动鞋、皮鞋、高跟鞋、拖鞋等鞋型大类的基础上,通过对全球40个运动鞋品牌、2859款具体型号跑鞋共677058张训练集图片的机器学习,该算法成功实现对跑步实景视频流中的运动鞋款自动识别,并被应用于2017年广州马拉松项目。

家禽盘点

通过建立机器学习模型,对各种状态及真实光线下的家禽图像进行训练,实现对家禽数量的精确统计。在实际场景(养鸡场)下部署多摄像头矩阵方案MatView,实现实时监测统计鸡群数量,并达到56毫秒内完成单图对象数量统计。

图书馆盘点

基于图像识别,创新性实现以图书封面为样本从而识别书脊的迁移学习算法,完成对书架阵列式图书的毫秒级快速精准识别。并进一步根据图书馆实际场景,发布首个基于计算机视觉解决图书馆盘点的AI实体机器人产品方案(图书馆书童),实现无人化盘点,有效提升图书馆智能服务水平,目前已应用于广州、苏州等公共图书馆。

车流监测
鞋款识别
家禽盘点
图书馆盘点

领先的模型构建和算法设计能力,快速而高效的定制和授权服务

根据垂直行业、特定场景的机器视觉需求,实现图像分类、目标检测、图像分割、姿态评估等单一或组合任务,定制算法针对标准输入模式,提供标准输出接口,实现对指定分析需求的结果或指令的即时输出反馈,支持云化、私有化部署,支持AI芯片前置,支持识别算法模块植入原有流程的升级方案,以技术IP授权提供服务,拓展联营及集成商用整体解决方案产品。

图像分类

Classification

物体检测

Object-Detection

图像分割

Image-Segmentation

姿态评估

Pose-Estimation

合作咨询

020-87386049

how@wonderina.com