<small id='o8r0MKFY'></small> <noframes id='F8eX'>

  • <tfoot id='TjocWz5'></tfoot>

      <legend id='6Bk1NdfjnF'><style id='sQcTy'><dir id='JIMO6kBZ'><q id='eM2BWt'></q></dir></style></legend>
      <i id='z96a'><tr id='Ynr9c1'><dt id='diEUWK'><q id='qV53Wrcg'><span id='iv3HmjYtZf'><b id='2BQGf'><form id='N15E3SB'><ins id='sPBz'></ins><ul id='FBn7'></ul><sub id='ayFc0'></sub></form><legend id='lrwU'></legend><bdo id='UilDHmYV'><pre id='z4vt'><center id='MFReUBrji'></center></pre></bdo></b><th id='xKmfBUut7'></th></span></q></dt></tr></i><div id='sdNGhcamD'><tfoot id='tMImrs'></tfoot><dl id='4tDI'><fieldset id='TL7koqRyPI'></fieldset></dl></div>

          <bdo id='7jPb5wh'></bdo><ul id='2qAwPK'></ul>

          1. <li id='NzGemCsPU'></li>
            登陆

            AI产品剖析(四):形色“摄影识花”功用解析

            admin 2019-05-11 230人围观 ,发现0个评论

            前三期AI产品剖析中,咱们挑选抖音、美图、作业帮等比较群众且相对老练的产品作为切入点,结合实践功用及技能剖析了人工智能技能的落地,而本期咱们挑选了形色这款相对小众化的产品,从一个新的运用场景,感触人工智能产品对人类日常日子带来的影响。

            1. 关于形色

            形色是由杭州大拿科技研制的一款摄影识花软件,依托于人工智能下的深度学习技能,可快速地对植物花草的特征进行剖析,并以较高的精确率输出花草所属的类别。

            尽管相较于抖音、美图等产品,形色趋于小众,可是该软件自上线以来,依然取得了许多用户的认可。

            依据七麦数据,形色近三个月下载量呈现出不断上升的趋势,尤其是进入四月份以来,日下载量添加愈加显着。这说明,形色坚持了安稳的用户添加。

            依据易观千帆指数,形色的月活也具有超卓的体现。如图,形色近6个月月活显现,数据上虽有较小动摇,但在2月份到达最低点也仍具有将近90万的月活,且尔后开端展现出杰出的上升趋势。这说明,形色具有安稳的用户运用AI产品剖析(四):形色“摄影识花”功用解析量。

            而不管是用户添加量仍是用户的运用量,都是对一个产品的可持续开展至关重要的目标,形色在这一点上体现优异。

            此外,从全体的页面上,形色调性浓艳、配色新鲜、交互简略流通,且用户反映辨认精确率高。而除摄影辨认花草植物的功用,形色还供给了类似于花间、地图、展览及判定等功用,使得具有相同喜好的用户环绕着花草能够发作互动,使得途径在花草之余平添了许多人气。

            根据此,形色在同类产品,比方微软识花、花帮主中锋芒毕露。一同,依据前期的调研成果显现,形色充分利用了人工智能技能的优势,跟着用户数据越来越多,其精确率也越来越好,在用户间具有杰出的口碑。

            为了更好地凸显AI技能在产品中的落地,咱们仅以“摄影辨认花草”功用项作为起点,对其进行用户-场景-需求、功用意图、功用逻辑、用户谈论及技能剖析,并在此之外,对途径中环绕“摄影识花草”衍生出的“摄影识果蔬”进行简介。

            2. 用户-场景-需求剖析

            3. 功用意图

            从“摄影辨认花草功用”动身,形色满足了许多用户的许多需求。

            不同于抖音、美图或作业帮,它们都比较显性地满足了仅仅部分人群的需求,而形色则具有更广的受众,运用的场景也很丰厚。比方:对一些植物喜好者,形色能够满足他们在遇到新植物类别时快速辨认的需求,乃至是一些稀有的花草也能够更为精确地辨认,形色还供给了互动和共享的途径,使得用户能够在满足自身趣味的一同还有利于喜好的沟通,到达用户聚合的作用。

            而关于一些园林花艺从业者,形色在他们的作业中充当了功率提高器。由于这类人群常常要在规划、调配中对植物的类别进行辨认与判定,而人的脑容量又非常有限,假如依托传统的文字查找,则耗时耗力,形色使得这类人群能够快速地确认相关植物的类别及形状常识。

            终究,关于一些类似家长、教师、摄影喜好者、旅行喜好者、小朋友等,形色也都协助他们快速知道花草、答疑解惑、学习植物常识、取得美观或珍稀植物相片供给了更丰厚、高效的途径。

            由此,能够看出,形色面向的用户群广,运用的场景AI产品剖析(四):形色“摄影识花”功用解析丰厚,而满足的需求却会集体现在快速辨认AI产品剖析(四):形色“摄影识花”功用解析花草、学习植物常识及判定植物等方面。

            关于途径而言,凭借人工智能技能,为用户供给高精确率且快速地植物辨认的服务体会,经过植物将用户集合,并由此拓宽功用外延,一方面途径的算法越来越精确,招引的用户越来越多,另一方面环绕着植物辨认这一中心需求,经过更丰厚的功用规划,比方花间、地图等,产品可带给用户更多惊喜。

            而形色的官方团队也在新闻讲话中坦言,他们是朴实的人工智能技能喜好者,期望经过产品作为载体,把人工智能的趣味带给更多用户。

            这句话是不是空喊标语无从得知,但从现在的体会进程中,形色暂时没有特别显性的广告植入,而途径算法的功用也比较安稳和精确。

            4. 功用逻辑

            在功用逻辑的规划上,和一般的“摄影辨认”类产品相同,形色的流程规划也比较灵敏,比方辨认图片来历供给了多种选项,一同比较特别地是提出了“自拍,看看你像什么花”选项,该功用抓住了用户爱美及猎奇的心思,是一种比较具有趣味性的互动。

            一同在生成的进程中,由于对图片处理的进程或许算法存在必定的延时,尤其是一些比较罕见的植物,核算图片特征及检索数据库的进程需求花费较长的时刻,或许会呈现更长的等候时刻。

            针对上述算法延时的问题,形色的处理是比较重视用户心思感触的。比方:在体会中发现在等候时,体系会反应各类提示语包含“正在尽力判定中XX%”,让用户心思有预期,削减焦虑。

            再比方:“再等等,成果立刻就出来”、“网络如同有点拥堵”,即使进展没有改动,但这些提示语仍处于动态改动中,在这些极具拟人化特征的提示语之上,用户不会觉得背面是一个冷酷、机械的“机器人”或算法,而是觉得这是一种友爱的互动,然后耐性及忍受度会有所提高。

            上图是体会的一个进程,是摄影的路旁边的一种野花。从中可见,摄影判定的进程中,一向显AI产品剖析(四):形色“摄影识花”功用解析现在缓冲,可是体会相对比较好的是,体系一向有反应,比方进展94%、99%,并且一向把延时的锅扣给“网络慢”、“网络拥塞”。

            其实这种提示语的设置是人工智能产品规划的一个技巧,由于惯例而言,假如算法想要到达比较好的精确率,则模型的杂乱度会比较高,那么模型在运转的时分其功率往往较低,则途径经过这些标语一方面能够搬运用户的注意力,另一方面,也能够必定程度下降用户对算法不行的糟糕主意。

            这种规划的技巧的运用比较遍及,比方:还有一些运用辨认切割技能的图画类产品,有的时分算法处理的成果在鸿沟处体现欠好,则能够经过在边际处添加装饰物或是其它比较酷炫的改换作用,然后缓解算法自身成果的缺乏。

            本次体会终究辨认精确成果是鬼针草,假如你觉得该辨认成果不精确,还能够再恳求高手判定。

            供给高手判定的优点在于:

            一方面经过用户运用高手判定的点击率,能够用于对后台辨认算法精确率的反应,从头调理模型的参数,所以用户会感觉到在不断地运用产品的进程中,辨认的精确率会越来越好。由于当时深度学习的精确率添加,必定程度上是依托于练习数据的添加,所以人工智能类的产品,用户数据的后期搜集与优化非常重要,从产品的体会和调研中也发现,形色是比较重视这一点的。

            另一方面,现有的AI产品规划中,假如仅仅依靠算法或许无法满足用户的一切需求,尤其是一些比较特别的场景,仍是没有办法满足用户任何情境下满足的要求。因而现在最为常用的办法是算法+人工。

            比方抖音后台的鉴黄,仅仅应对大数据去除那些特别特征较为显着的,而剩余的比较简略歧义的,仍是需求必定的人工进行辅佐判别,削减误判率。即使如此,从全体上看,也大大地削减了人力、物力的损耗。

            所以,形色的高手判定中,一方面是发布到途径上,一些相同喜好植物或许刚好知道的用户会协助回答,一同途径也招引了一些相关的专家入驻,以提高判定的功率和专业度。

            一同咱们还做了更许多的体会,从中可见全体的辨认精确率较高,且每一次辨认之后,都附带了比较画男明星中有诗的说明,和途径全体的调性以及调研中发现的用户的需求是比较符合的。

            终究一幅图,为了恶搞一下算法,我特意选取了杯子上的恣意一个绿色部分,终究途径回来的成果是“我居然被难倒了”,所以,这一刻或许会觉得哪怕错了也挺心爱。

            当然了,形色也有失灵的时分。

            比方输入一株火龙果图片,它给出的榜首答案选项是火龙果,后边还给出一个选项是昙花,火龙果是精确答案,可是调查会发现,它和昙花的外表形状的确有些相像。

            构成该类过错的问题在于,模型是根据植物的特征提取,和后台数据库构成比对,只需外表特征类似或许就会判定为同一类别。且算法的灵敏度有限,关于一些类似物种,仍没有办法对细节做出精确区别,这是未来算法规划需求霸占的难题。

            其次,我摄影了钥匙的图片,算法辨认成果为辣椒。由于人工智能必定程度上是根据过往的经历,对眼前的新事物结合其特征做出判别。也便是说,算法觉得自己应当在现有植物品类库里找一个最匹配的来表征输入的图片,大部分算法仍是比较“单纯”的。

            5. 用户谈论

            相同地,咱们对产品搜集了对应的用户谈论。

            首要,根据七麦数据显现,形色的用户评分当时显现评分为4.9分,一切版别评分也到达4.9分,根本一切的谈论会集在5星、4星,而低分谈论占比极低。

            相同地,搜集了30条用户谈论。可是本次谈论的筛选中,没有故意地会集在差评,而是对用户的谈论进行了全体评价,并提取其对应要害词,终究进行归类剖析。

            首要用户谈论的要害词首要包含“内容质量需加强”、“功率提高”、“添加常识”、“精确率不高”、“精确率高”。

            其间36.7%的用户觉得运用形色添加了植物相关的常识,关于学习及日常装逼有利,20%用户觉得形色对每种植物、花草判别都非常精确,非常智能,16.7%的用户认为形色的内容质量需求加强。

            比方:关于辨认成果的说明能够更为详细一些、途径上关于植物的科普文章要愈加专业一些等,13.3%的用户觉得经过形色极大地提高了学习花草植物常识的功率,他们中有的人是园林或花艺规划师。终究还有13.3%的用户认为辨认的精确率不行优异,或许是刚好他们问到了“算法”没学过的部分。

            进一步地,咱们把用户的谈论终究归结为产品、算法及运营维度。

            其间,如功率提高、添加常识归于产品领域,正是由于产品能够看到用户的需求,并从用户的视点动身,奇妙有利地势用人工智能技能,得认为用户处理需求。这是用户对形色的附和,也是对它未来开展的期许,期望它一向记住初衷,服务用户,不断进步。

            而精确率问题则归于算法领域,而由于途径的练习数据,后续的经历堆集、调参优化,都对终究途径的辨认精确率有影响。形色官方技能团队曾对外讲话称,其起步的练习数据集就很巨大,并且后续也很重视搜集用户的反应,进行模型精确率的调整,今后也还会继续加强数据集及算法的调整和优化,则算“盲区”会越来越少,然后全体的精确率会进一步提高。

            终究,内容问题则归于运营领域。之前看了一篇文章提到,互联网产品的开展,从技能主导到产品主导,现已开端萌发出运营主导的趋势,不管该结论正确与否,都不行疏忽的是,运营是一款产品能否触达群众、勃发作命力的要害。而惋惜的是,形色的运营比较单调,这是相对缺乏的一个点。

            6. 技能剖析

            形色的完成,其技能原理比较简略,首要便是图画辨认及检索,即经过图片特征的提取,然后进行查找匹配,终究输出成果。形色之一切取得比较好的精确率,首要在于它非常专心地打磨,把上述的每一个技能环节都做到了最好。

            首要,练习数据集牛逼。有多少数据,就有多少智能,尤其是对现阶段的深度学习模型而言,练习数据的数量和质量可视作是决定性要素,这也是为什么许多人工智能产品司理都在作业中或多或少地需求承当数据标示、清溪使命的原因。在上线前期,形色团队就意识到数据关于模型精确率的重要性,因而他们在练习数据集的打造上花费了许多时刻。

            比方经过向各大论坛植物喜好者搜集花草图片数据,一同自身团队出动,到当地进行常见花卉搜集之后请专家判定等,在确保了练习数据集的数量之余才展开了后续的作业。

            关于深度学习而言,由于深度网络的杂乱性,需求练习的参数规划巨大,乃至能够到达好几百万个,所以要想算法落地成产品后能取得实践可用的成果,其练习数据集的需求量远远超出一般人的幻想。

            而当数据量不断添加后,数据的清洗和标示又是别的一个更为杂乱问题,形色团队在这方面上也是斥巨资,他们延聘许多具有专业常识的专家重复校验,确保了练习数据集的质量。

            经过数据集上的尽力,形色开始的模型比较简略,取得的精确率挨近50%,这让团队看到了期望。

            人工智能是仿生的,和人相同,假如见得少,则判别犯错的概率就大。所认为了削减算法辨认过错的概率,需求让模型尽或许学习更多的数据,形色采取了一个久远更为有用的办法是:在产品上线之后,进一步搜集用户上传的图片,用于算法的迭代练习。

            成果显现,跟着用户数量添加,途径练习数据集扩增,辨认的精确率也越来越高。

            其次,算法+人工辅佐的两层技能确保。

            形色是一款优异的人工智能类产品,它在为用户处理的进程中,传达出一种非常谦逊、担任的情绪。

            详细地,在完成的进程中,除了以深度卷积神经网络对图片进行分类并检索的辨认算法外,为了应对算法失灵的状况,形色还装备了专业的人士进行人工判定及回答。

            终究,技能细节的处理。形色在提取相片之后,考虑到用户摄影的图片或许存在含糊、要害特征不显着的特色,所以算法会对图片进行一致的预处理之后再辨认。

            预处理的进程包含了光线调整、色彩回转、曝光度、裁剪出要害部位等,如此,能够提高相片的质量。由于深度网络中,算法练习时学习相片的特征,假如相片自身的质量欠安,则算法会学到一些过错的特征,然后或许引发后续的判别过错。一同,一些肉眼无法辨识的特征,尤其是某些附近的品种,假如没有经过预处理,模型就有或许无法取得相关细节,然后发作误判。

            形色的技能计划看似简略,可是他们的才智在于,挑选当时作用最好的一项,并将其打磨到最好。

            现有的核算机视觉处理使命中,图画辨认、分类的作用是最好的,比方:许多人脸辨认、图画分类的成果在经过满足的练习数据练习后,能够到达99%以上的精确率,而人由于经历以及其它生理的不同,能够到达的均匀精确率也才有95%左右。

            所以这从一点上看, 形色抓住了图画辨认这一技能能够落地的机遇。由于大部分AI产品规划的初衷,必定是由于算法能够协助人类处理部分重复性的作业且处理的作用优于人类。

            且在瞄准了切入点之后,他们花了满足多的时刻和精力在技能上做深化的堆集,比及机遇老练的时分,花费极小的本钱将其成功迁移到另一项功用上(摄影识瓜果和海鲜)。

            所以人工智能类的产品,不要一开端就着眼于用多杂乱的技能、做多杂乱的功用,简略、高效直至登峰造极才是王道!

            技能要害词:数据集 算法+人工辅佐 技能细节处理

            总结

            本期一同体会了小众AI产品“形色”,从中也感触到人工智能技能,现已变成各AI产品剖析(四):形色“摄影识花”功用解析式各样的 产品,呈现在用户日子的方方面面,协助用户处理了各式各样的问题。

            作为一个人工智能产品司理,咱们的考虑点在于,怎样经过更为简略的技能,以更低的本钱和更好的体会,为用户带来更多惊喜~

            作者:Luna,大众号:有三AI,一个专心于人工智能技能与产品落地的大众号,期望能够和酷爱AI的人有更深化沟通,一同见证AI改动日子!

            本文由 @ Luna 原创发布于人人都是产品司理。未经许可,制止转载

            题图来自网络

            声明:该文观念仅代表作者自己,搜狐号系信息发布途径,搜狐仅供给信息存储空间服务。
            请关注微信公众号
            微信二维码
            不容错过
            Powered By Z-BlogPHP