初入CV行业得海尔青睐，云通讯独角兽容联发力视觉智能产业

在与某工厂合作项目中，慧眼可以检测工厂和叉车人行道混乱、员工作业不规范、塔架坍塌和传送带停止等设备异常，让工厂违规作业现象下降了30%，人力成本降低了10%，安全事故减少了50%。

在“明厨亮灶“领域，容联也已具备完整的AI智能分析解决方案

对厨房操作间的人员行为进行智能识别，如后厨吃饭、抽烟、玩手机等行为；对于厨师衣着、帽子、口罩、手套等防护用具进行智能检测；对于老鼠虫害进行智能检测。

当然，目前AI的技术不可能百分百实现用户的所有场景需求，经常会有技术无法处理的情况发生，比如智慧工地中的高空坠物问题，因物体速度下落太快，摄像头难以精准捕捉到。不过，容联针对行业的解决方案已经可以解决特定应用场景下80%以上的需求。

三、检测准确率超过90%，容联优势在哪？

相比于竞争对手，容联产品的优势很明显。前段时间做安全帽佩戴检测的行业分析。许志强发现，容联产品准确率相比竞品高出很多。容联产品准确率超过90%，而对方误检率超过了一半。

为什么容联会有这个优势？

算法落地行业，其实算法本身差别并不大。「算法技术的发展最先肯定是在学术界，每家企业只要对前沿技术盯得紧，都不会差太多。」许志强说。

容联的优势就是在于针对特定场景的数据增强处理、AI和传统技术的结合以及工程化处理技术。

AI算法极度依赖数据，但是很多情况下数据采集又比较难，如火的素材采集，在正常的场景下很难出现这样的素材，对于这类素材，容联自有的数据增强处理技术可以在素材比较少的情况下获得比较好的效果。

虽然深度学习在机器视觉的图像分类、目标检测、跟踪等领域均有革命性的进展。但深度学习不可避免地依赖于训练数据，且深度学习输出结果中一般都有“阈值”限制，实际应用中，很难设定适用于所有场景的统一阈值。

此时即需要结合传统CV技术，传统技术的一般特点是通用性较强，结合深度学习后，可得到神经网络模型输出的具有语义信息的结果，在保持通用性的同时提升精度。例如目标跟踪场景，利用深度学习检测图像中特定种类物体位置，结合传统背景建模、帧差法、光流法等，达到一定集成学习的效果。

目前AI技术在落地过程中仍然受到数据量、数据质量、标注成本、数据域变化等问题的制约，单纯依靠深度学习模型难以解决复杂场景下的实际CV问题。容联具备一系列针对实际应用场景的工程化优化手段，包括图像的时序分析机制、检测目标属性过滤机制、目标跟踪及ReID机制等，提高算法在落地应用时的精度。

另外，除了技术上的壁垒，容联CV产品一个重要的壁垒还是其在行业中的积累，因为做某个行业的视频识别本质上就是还是拼行业数据的积累、以及对行业的理解力。

容联本身是国内最大的云通讯厂商，与多个行业内的头部客户有密切联系，容易获取客户信任。实际上容联最开始做CV的契机就是客户需求。

在实际操作中，准确洞悉行业痛点是一个周期很长且很重的事情。CV落地会碰见许多问题，在视频源方面，客户原本安装的摄像头可能会出现画面被遮挡、光线变化大、距离较远等问题，需要要跟客户沟通调整。

另外理解客户实际需求本身到真正的算法落地需要相当长的周期，短则三个月，长则半年，在这期间需要不断和客户磨合，根据实际情况调整算法。最后才能形成一个在行业里面能够达到生产级别落地的算法模型。

对于创业公司和之前没有相关资源积累的企业来说，很难获取行业头部企业的信任。并且头部企业往往就是一个行业的标杆，在服务大客户过程中会积累到很多行业数据和经验，提升算法精度，容易建立自身优势，优势又会带来更多客户，滚雪球式的筑起一个很高的壁垒。

容联的标准化产品Aibox就是在服务不同行业客户，积累许多数据模型的基础上产生的。正是由于这些积累，容联能在很短的时间内做出优于他人的产品demo，获得客户的青睐。

在未来，容联打算继续深耕垂直行业，从「CV产品提供商」深入到「解决方案提供商」，与一些合作伙伴一起，提供「发现问题-解决问题」一体化服务。比如在智慧工地行业与合作伙伴一起提供CV增强的建筑工地信息化系统，帮助企业更好的解决问题。

四、尾声

当前国内的AI技术已进入爆发式发展，但如何应用落地还是亟待解决的问题，正如许志强所说，大多数行业对AI都没有感知力。

研究一些成功的落地案例可发现，AI作为一种高精尖技术自带「不落凡尘」的气质，但如果让技术扎根落地，最重要的还是真正下沉产业。

也就是说，很多时候掌握技术只是一个基础，在此基础上开发应用还需要更多的思考与实践。容联的CV实践无疑是提供了一个非常好的方向。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!