深度学习功能使图像辨认洞察力更疾速

仅在社交网络上，每天就有超过20亿张图片被分享。研讨表明，一个人要花十年的工夫才能看完Snapchat（色拉布）上一切的照片。这是一项相当乏味的义务，而且远远超过了人类的才能。媒体购买者和提供者在安排相关内容时遇到困难，分析图像/视频的组成部分，并以有效的方式生成内容定义投资报答。疾速、准确、自动地获取多媒体的洞察力（也就是元数据、组成、类别、颜色）不断是一个应战。NVIDIA有许多客户和生态系统合作伙伴处理这个成绩，运用NVIDIA DGX作为深度学习（DL）驱动图像辨认的首选平台。Imagga是该生态系统中有名望的品牌之一，它是提供深度学习驱动的图像辨认和图像处理处理方案的先驱，该处理方案构建于世界上第一台个人人工智能超级计算机NVIDIA DGX Station。

与图像辨认相关的重要术语
机器学习（Machine learning，ML）是一种人工智能的手动完成方法，允许运用近似智能的算法和我们每天都能听到的常用语。ML运用算法来分析数据，从中学习并协助预测结果。
深度学习（Deep learning，DL）是ML的一个子集，或者说是一种完成ML的技术，随着开发人员应用神经网络的才能来发现洞察力，正在迅速取代工业，在没有人工手动编码功能的状况下自动检测形式是新的圣杯。

计算机视觉（Computer vision，CV）经过运用传感器和图像处理器来婚配人眼的才能，使计算机可以辨认图像，ML和CV之间略有堆叠。随着CV有助于处理每天产生数量惊人的视觉图像变得很重要。
图像处理（Image processing）是对图像执行某些操作（加强或紧缩）以提取有用信息的一种方法。ML可用于计算机视觉和图像处理。
图像辨认（Image recognition）是另一个术语，用于描画辨认和检测图像或视频中的对象或特征的过程。有些人以为计算机视觉与图像辨认相反，但计算机视觉更广泛，包括对象辨认、字符辨认和文本/情感分析。将图像辨认与面部检测联络在一同是很常见的，但它还有更多的含义。

Imagga次要功能
分类/场景分类：自动将图片停止分类。例如，将照片按照山，海滩，宠物等停止分类。Imagga更弱小的功能之一，是为特定用例和垂直方向训练特定分类器，从个人照片到植物辨认到渣滓分类。
辨认次要对象：辨认图像中的次要对象。
自动标签照片：用不同的关键词来标注多个对象来协助照片的排序、获取停止统计。
提取颜色：辨认图像中的代表色，包括对所需求的前景和背景颜色停止单独辨认。
分析构图：自动检测照片中最具视觉兴趣性的区域，并最终完成对这些感兴味区域的智能裁剪。
面部辨认人脸：辨认人脸并将其聚集到虚拟人物中，便于组织机构更好的对个人照片和社交媒体停止监控。

视觉相似性搜索：在一个集合中提取图像的特征，在一个集合中提取图像的特征，并允许其基于视觉、语义相似度停止搜索，以及相似的照片/产品建议。

分享了

……