加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2016-2017年中國深度學習前景預測報告
1、解密深度學習 6
1.1、人工智能的發(fā)展一直隨同人工神經(jīng)網(wǎng)絡研究的進展而起伏 6
1.2、人工神經(jīng)網(wǎng)絡分析 7
1.3、深度學習迅猛發(fā)展的歷史背景 11
1.4、深度學習技術引領人工智能浪潮 13
2、深度學習直接應用狀況分析 15
2.1、語音識別 15
2.2、圖像識別 16
2.2.1、深度學習推動計算機圖像識別率大幅提升 16
2.2.2、計算機視覺已經(jīng)成為最吸引投資的人工智能技術方向 18
2.2.3、深度學習推動多個領域圖像識別廣泛應用 19
（1）、人臉識別領域 19
（2）、視頻監(jiān)控領域 20
（3）、圖像搜索、場景識別 21
（4）、圖像及視頻編輯 23
（5）、移動互聯(lián)網(wǎng)領域 24
2.3、搜索引擎 25
2.4、郵件自動回復 27
2.5、機器翻譯 28
2.6、殺毒軟件 30
3、深度學習在視頻行業(yè)的應用 30
3.1、視頻的智能化處理 31
3.2、深度學習開創(chuàng)新的商業(yè)模式：視頻電商與新型廣告植入 32
4、深度學習在醫(yī)療行業(yè)的應用 36
4.1、醫(yī)療行業(yè)數(shù)據(jù)處理要求遠遠超出人類個體信息處理能力 36
4.2、從IBM 沃森系統(tǒng)在醫(yī)療行業(yè)的應用來看，深度學習主要體現(xiàn)在互動、發(fā)現(xiàn)和決策三個方面 38
（1）、互動能力 39
（2）、發(fā)現(xiàn)能力 40
（3）、決策能力 46
5、深度學習在金融行業(yè)的應用 47
5.1、金融大數(shù)據(jù)特性決定了引入人工智能技術的必然性 47
5.2、人工智能投資基金表現(xiàn)優(yōu)異 48
5.3、機器學習和自然語言處理是目前人工智能投資基金常用技術 49
5.4、國內以同花順、資配易為代表的人工智能投資機器人已初露鋒芒 50
5.5、深度學習顯著提升互聯(lián)網(wǎng)金融風控和征信的能力 54
6、深度學習在無人駕駛及無人機中的應用 55
6.1、深度學習在無人駕駛技術中的應用 55
6.2、深度學習在無人機上的應用 56
7. 投資策略 60
8、主要公司分析 60
8.1. 東方網(wǎng)力 60
8.2. 同花順 61
8.3、科大訊飛 62
8.4. 浙大網(wǎng)新 63
8.5、思創(chuàng)醫(yī)惠 64
8.6. 和而泰 65
8.7、漢邦高科 66
8. 風險提示 66
圖表目錄
圖表 1：人工智能的發(fā)展一直隨同人工神經(jīng)網(wǎng)絡研究的進展而起伏 6
圖表 2：生物神經(jīng)元的結構 8
圖表 3：人工神經(jīng)元數(shù)學模型 8
圖表 4：單層人工神經(jīng)網(wǎng)絡 9
圖表 5：多層（深度 ）人工神經(jīng)網(wǎng)絡 9
圖表 6：深度學習實際上是建立輸入和輸出數(shù)據(jù)之間的映射關系 10
圖表 7：百度深度學習的四大直接應用本質上都是實現(xiàn)分類識別功能 11
圖表 8：人類視覺從原始信號攝入開始（瞳孔攝入像素），接著做初步處理（大腦皮層某些細胞發(fā)現(xiàn)邊緣和方向），然后抽象（大腦判定，眼前的物體的形狀），然后進一步抽象（大腦進一步判定該物體是人臉） 12
圖表 9：深度學習已經(jīng)應用到谷歌的各項業(yè)務中去 13
圖表 10：深度學習具備非常好的通用性：基礎模塊、端到端的簡單模型 13
圖表 11：深度學習效果隨著數(shù)據(jù)規(guī)模增加顯著提升 14
圖表 12：谷歌首次引入深度學習語音識別錯誤率就降低 30% 15
圖表 13：科大訊飛語音 識別近幾年錯誤率明顯降低 15
圖表 14：ImageNet 是全球最大的計算機視覺圖片庫 16
圖表 15：Google在 Im ageNet圖片識別準確率快速提升 17
圖表 16：國際權威測試IMAGENET 各公司圖像識別錯誤率已接近人類肉眼水平 17
圖表 17：LFW 庫中不少公司人臉識別識別錯誤率已經(jīng)低于人類肉眼 18
圖表 18：55%的人工智能技術類企業(yè)投資集中在計算機視覺領域 18
圖表 19：實現(xiàn)任意臉部遮擋及視角下的實時檢測 19
圖表 20：人臉特征識 20
圖表 21：行人檢測 20
圖表 22：車輛檢測 21
圖表 23：語義驅動的互聯(lián)網(wǎng)規(guī)模圖像搜索及排序 21
圖表 24：在實用場景 中物體識別技術可提供商品搜索、危險物品檢測等多種實用引擎 22
圖表 25：場景識別在上百類的室內外場景圖像中識別顯著場景元素 22
圖表 26：在自然場景拍 攝的圖像中準確地檢測并識別出其中的文字內容 23
圖表 27：基于深度學習實時降低圖像壓縮噪聲 23
圖表 28：基于暗原色技術實現(xiàn)的圖像去霧 24
圖表 29：風靡朋友圈的 faceu應用人臉技術支持 24
圖表 30：寶寶相冊自 動識別整理寶寶照片 25
圖表 31：深度學習搭建了人、信息和廣告服務之間的聯(lián)系 25
圖表 32：深度學習顯著 提升百度搜索滿意度 26
圖表 33：RankBrain：谷歌的人工智能搜索引擎算法 26
圖表 34：谷歌將深度學習用于郵件自動回復 27
圖表 35：傳統(tǒng)機器翻譯和基于深度學習翻譯的區(qū)別 28
圖表 36：科技巨頭基于深度學習的機器翻譯研究進展 29
圖表 37：深度學習推動機器翻譯與視覺結合的新應用 29
圖表 38：引入深度學習的百度4.0 殺毒系統(tǒng)：慧眼引擎 30
圖表 39：視頻生產(chǎn)的變化 31
圖表 40：人工智能提升視頻生產(chǎn)效率 31
圖表 41：普科技智能審核解決方案 32
圖表 42：普科技典型案例 32
圖表 43：優(yōu)酷邊看邊買 33
圖表 44：愛奇藝隨視購流程 34
圖表 45:與明星互動 34
圖表 46:后期植入廣告 35
圖表 47:傳統(tǒng)廣告植入VS Video in 廣告植入 35
圖表 48：醫(yī)療行業(yè)圍繞大數(shù)據(jù)的行業(yè)生態(tài) 36
圖表 49：IBM2015 年以來的并購案 36
圖表 50：Merge Healthcare 旗下產(chǎn)品eFilm 的軟件界面 38
圖表 51：IBM 沃森在醫(yī)療行業(yè)體現(xiàn)出互動、發(fā)現(xiàn)、決策三個能力 38
圖表 52：虛擬護士的工作流程 39
圖表 53：傳統(tǒng)CAD 基本步驟（以肺部為例） 41
圖表 54：DeepMind 的三維視網(wǎng)膜OCT 圖像 41
圖表 55：CFDA 各級分類及相關系統(tǒng) 43
圖表 56：推想科技深度學習識別模式 43
圖表 57：醫(yī)療數(shù)據(jù)量增長情況，其中大部分來自于醫(yī)療影像數(shù)據(jù)（單位：PB） 44
圖表 58：使用 Enlitic 的 系統(tǒng)檢測惡性腫瘤的示意圖 45
圖表 59：Atomwise 利用人工智能來模擬藥品研發(fā)的過程,以此降低研發(fā)成本 46
圖表 60：相關公司資料一覽 46
圖表 61：沃森醫(yī)生的診斷過程 47
圖表 62：Rebellion 人工智能驅動基金收益率 48
圖表 63：Rebellion 基金投資分布 48
圖表 64：計算機輔助的投資基金總體收益波動率相對人類基金經(jīng)理要低 49
圖表 65：人工智能對沖 基金回報率與其他指數(shù)對比 50
圖表 66：同花順人工智能機器人實盤收益率情況 51
圖表 67：同花順人工智能投資機器趨勢研判 51
圖表 68：資配易證券投資人工智能系統(tǒng)示意圖 52
圖表 69：資配易的不同人工智能投資策略 53
圖表 70：資配易人工智能投資機器人的子系統(tǒng)構成 53
圖表 71：完全由大數(shù)據(jù)和人工智能算法驅動的螞蟻微貸 54
圖表 72：基于機器學習模型的螞蟻金服風險識別系統(tǒng) 54
圖表 73：無人駕駛系統(tǒng)結構 55
圖表 74：運用深度學習技術使得無人機實現(xiàn)智能飛行 57
圖表 75：美國空軍戰(zhàn)機協(xié)同作業(yè) 58
圖表 76：福建電網(wǎng)首例直升機無人機協(xié)同作業(yè) 58
圖表 77：科技巨頭涉足無人機快遞業(yè)務，深度學習路徑規(guī)劃成發(fā)展重點 59
圖表 78：Phantom 4 具有智能化的功能 60
圖表 79：DOBBY 具有智能化的功能 60
|
