這是AIPM認(rèn)知系列的第二篇內(nèi)容，如需了解第一篇《從0開始搭建產(chǎn)品的AI認(rèn)知體系》可以「點(diǎn)擊這里」查看，整篇內(nèi)容3000+字，速讀需要5分鐘

這幾年紅遍網(wǎng)絡(luò)的「FaceU激萌」APP，特斯拉自動(dòng)駕駛，iPhoneX的FaceID …大家都有所耳聞，而這些都和今天的「計(jì)算機(jī)視覺」有著密不可分的關(guān)系。

從PM的視角出發(fā)，本篇內(nèi)容我會(huì)圍繞這4塊內(nèi)容來跟大家交流：

1. 什么是計(jì)算機(jī)視覺
2. 現(xiàn)階段有哪些應(yīng)用技術(shù)
3. 落地中會(huì)遇到哪些問題和挑戰(zhàn)
4. 產(chǎn)品方向一些思考

1.什么是計(jì)算機(jī)視覺？

計(jì)算機(jī)視覺（Computer Vision），可以理解是「讓計(jì)算機(jī)怎么去看？」，相當(dāng)于人類視覺的功能。

「以下案例為了確保更好理解，犧牲一定的嚴(yán)謹(jǐn)性」

拿人類來舉例，你正在駕駛一輛汽車，突然前面出現(xiàn)一個(gè)人，你會(huì)怎么辦？

剎車或打方向盤避開是不是 ？看似這個(gè)好簡(jiǎn)單的問題，實(shí)際是要經(jīng)過一系列復(fù)雜的處理

1. 首先眼前突然出現(xiàn)物體會(huì)進(jìn)入到你的視網(wǎng)膜，經(jīng)過分析之后，把這信息發(fā)給你的大腦。
2. 你的大腦會(huì)處理這些信息，跟你大腦里所有存儲(chǔ)的信息做比較后，進(jìn)行物體和緯度的歸類。
3. 通過的信息歸類，給出理解我正在開車，正前方出現(xiàn)這個(gè)是人，距離越來越近了，我不能撞到他的判斷。
4. 然后大腦通過神經(jīng)系統(tǒng)作出反應(yīng)，控制你的腳踩剎車，或者手控制方向盤避開。

「這一系列的動(dòng)作只發(fā)生在零點(diǎn)幾秒」

如果這些動(dòng)作由計(jì)算機(jī)來完成，就可以初步理解為這個(gè)就是計(jì)算機(jī)視覺在于AI領(lǐng)域的應(yīng)用。

再舉個(gè)例子，看看N年前的FaceU是怎么使用計(jì)算機(jī)視覺這個(gè)技術(shù)的：

1. 通過手機(jī)的攝像頭傳感器，把眼前的物體傳遞給某處理器。
2. 處理器通過多項(xiàng)技術(shù)來理解眼前物體，識(shí)別出圖像中哪個(gè)是人臉，哪些是背景。
3. 給人臉進(jìn)行處理，分辨出人臉上的各個(gè)器官，并在關(guān)鍵器官上打上特殊標(biāo)記。
4. 制作好的素材和這些特殊標(biāo)記結(jié)合，并且通過手機(jī)屏幕展示出來給你。

「注：上圖為原始圖和人臉打標(biāo)，下圖為根據(jù)標(biāo)記作出的處理，很有趣是不是」

2.現(xiàn)階段有哪些技術(shù)服務(wù)

目前計(jì)算機(jī)視覺主要應(yīng)用的技術(shù)有哪些：

• 基于人臉識(shí)別：人臉檢測(cè)，人臉對(duì)比，人臉查找…
• 基于文字識(shí)別：通用文字，網(wǎng)絡(luò)圖片，卡證文字…
• 基于圖像識(shí)別：圖片審核，圖像識(shí)別，圖像搜索…

2.1?人臉識(shí)別

剛才FaceU激萌例子，想必大家對(duì)人臉識(shí)別有了一點(diǎn)概念，接下來我們看一看有人臉識(shí)別的應(yīng)用技術(shù)。

人臉檢測(cè)：想要做人臉識(shí)別，首先得讓計(jì)算機(jī)知道哪些是人臉，所以人臉的檢測(cè)是對(duì)后續(xù)人臉分析和處理的基礎(chǔ)。通過對(duì)圖片掃描和判斷，在圖片用藍(lán)色的矩形標(biāo)示出來。

人臉配準(zhǔn)：定位并返回人臉五官與輪廓的關(guān)鍵點(diǎn)坐標(biāo)位置，關(guān)鍵點(diǎn)包括人臉輪廓、眼睛、眉毛、嘴唇以及鼻子輪廓，最多會(huì)返回106個(gè)點(diǎn)。

人臉屬性：對(duì)圖像的一系列基礎(chǔ)處理之后，通過一系列的算法，來識(shí)別人臉的屬性，例如：

這部分是我覺得最有意思的一部分，可以給我們?cè)O(shè)計(jì)產(chǎn)品和服務(wù)很多想象空間。

目前針對(duì)人臉屬性的識(shí)別可以提供以下這些參數(shù)供大家使用：

雖然目前提供有意思的參數(shù)很多，但很多的屬性識(shí)別的準(zhǔn)確性還有待提高。

但這并不影響一部分商用價(jià)值或產(chǎn)品化，重點(diǎn)是我要為誰(shuí)解決什么問題，容錯(cuò)程度是多少。

后續(xù)我們來再來仔細(xì)聊一聊這個(gè)話題。

人臉特征提取， 人臉驗(yàn)證，人臉檢索，人臉活體檢測(cè)

因?yàn)檫@些是一個(gè)系列的解決方案，所以這一部分我放在一起來說明。

現(xiàn)在AI市場(chǎng)上最熱的幾個(gè)領(lǐng)域：智慧安防，智慧金融，智慧商業(yè)，都是運(yùn)用這一系列的解決方案。

最基礎(chǔ)的是人臉特征提取，將人臉轉(zhuǎn)化為一段固定長(zhǎng)度的數(shù)值。

人臉的驗(yàn)證就是把兩個(gè)人臉的數(shù)值，做比較，然后計(jì)算出一個(gè)相似度。

人臉檢索就是根據(jù)人臉特征的數(shù)值，在大量的數(shù)據(jù)庫(kù)里檢索，找出最相似的人。

活體識(shí)別是一個(gè)提高安全性的機(jī)制，用于遠(yuǎn)程識(shí)別攝像頭的對(duì)象是真人，而不是一張照片。

2.2?文字識(shí)別

文字識(shí)別的就很好理解了，識(shí)別圖中的文字信息，并且返回文字所在的位置，語(yǔ)言，內(nèi)容，目前正常場(chǎng)景的識(shí)別率可以達(dá)到90%。

應(yīng)對(duì)不同的場(chǎng)景，又延伸出了很多服務(wù)，比如：

• 證件識(shí)別：身份證，駕駛證，護(hù)照等等，格式化之后可以直接利用其中的信息。
• 網(wǎng)絡(luò)圖片文字識(shí)別：針對(duì)那些藝術(shù)字，特殊設(shè)計(jì)的文字。
• 其他：表格文字識(shí)別，票據(jù)文字識(shí)別，可以根據(jù)圖片內(nèi)的格式輸出。

2.3?圖像識(shí)別

圖像識(shí)別這個(gè)范圍很大了，需要看具體有價(jià)值應(yīng)用場(chǎng)景，通常識(shí)別物體：家居物品，動(dòng)物，植物，品牌Logo，菜品…等等。

識(shí)別的邏輯跟人臉識(shí)別類似，但是需要龐大的訓(xùn)練數(shù)據(jù)，來教計(jì)算機(jī)認(rèn)識(shí)這些物體，學(xué)習(xí)的越多，識(shí)別率會(huì)越高，但目前可以提供服務(wù)就是一些好理解的，特征明顯的：貓，狗，電視，沙發(fā)，玫瑰，汽車，火車…等等。

但如果需要一些特殊場(chǎng)景下的識(shí)別，比如車輛的定損，奢侈品包包的真假判斷，需要再一個(gè)垂直領(lǐng)域進(jìn)行深度學(xué)習(xí)和特殊數(shù)據(jù)的大量訓(xùn)練了。

3.?落地中會(huì)遇到哪些問題和挑戰(zhàn)

前面介紹了很多計(jì)算視覺在于應(yīng)用上的技術(shù)實(shí)現(xiàn)，但想闡述一些核心觀點(diǎn)：

• 對(duì)于PM來講，人工智能也只是工具，最終要的還是是理解行業(yè)，理解用戶，理解痛點(diǎn)。
• 對(duì)于技術(shù)本身，我們更多是理解技術(shù)邊界，在自己應(yīng)用場(chǎng)景之下，知道什么可行，什么不可行。
• 另外就是項(xiàng)目中的實(shí)戰(zhàn)經(jīng)驗(yàn)，確保產(chǎn)品可以落地，并且真的可以產(chǎn)生價(jià)值的策略。

3.1?應(yīng)用場(chǎng)景不同，技術(shù)成熟度也不同

對(duì)于不同的應(yīng)用場(chǎng)景來說，所需技術(shù)成熟是不同的，舉個(gè)例子：

• 像FaceU激萌，分析視頻物體推薦購(gòu)買，當(dāng)前的技術(shù)就比較“成熟”。
• 而自動(dòng)駕駛，智慧醫(yī)療，當(dāng)前的技術(shù)就“不夠成熟”

其一因?yàn)?b>標(biāo)準(zhǔn)不一樣，人工智能本身是一個(gè)概率學(xué)的事情：

• 就算FaceU人臉的坐標(biāo)有偏差，拍攝環(huán)境惡劣，用戶也可以接受并配合調(diào)整。
• 就算視頻里的物體識(shí)別不夠精準(zhǔn)，推薦錯(cuò)了品牌，廣告投放商和服務(wù)商也可以接受，因?yàn)橐呀?jīng)有較大幅度提升。
• 但是如果自動(dòng)駕駛在某種沒有被訓(xùn)練的惡劣環(huán)境下，出了嚴(yán)重的交通事故，是不能接受的。
• 醫(yī)療也一樣，計(jì)算機(jī)推薦通過影像識(shí)別腫瘤在這個(gè)位置，從這里下刀后發(fā)現(xiàn)計(jì)算機(jī)判斷的并不正確，也是不能被接受的。

3.2?準(zhǔn)確率提升依賴大量的數(shù)據(jù)，但光數(shù)據(jù)量大是不夠的

產(chǎn)品要開始落地之前，首先考慮圖像一類相關(guān)數(shù)據(jù)是否是打通的，是否可供機(jī)器訓(xùn)練，因?yàn)闄C(jī)器學(xué)習(xí)的數(shù)據(jù)越多準(zhǔn)確率越高。

但是只是提供訓(xùn)練數(shù)據(jù)就可以了嗎？實(shí)際的情況并不是的，因?yàn)椋?b>訓(xùn)練的數(shù)據(jù)未必真實(shí)符合情況的數(shù)據(jù)

舉個(gè)例子你就明白了：

而且準(zhǔn)確率并不是產(chǎn)品落地的唯一評(píng)價(jià)指標(biāo)，還有誤報(bào)率，實(shí)時(shí)監(jiān)控尋找某個(gè)罪犯。

結(jié)果在同一個(gè)時(shí)間，多個(gè)地點(diǎn)都發(fā)現(xiàn)了這個(gè)“罪犯”，這顯然是不夠“成熟”的。

3.3?實(shí)際場(chǎng)景還會(huì)有諸多問題

等產(chǎn)品進(jìn)入到實(shí)際場(chǎng)景中測(cè)試時(shí)候，就會(huì)發(fā)現(xiàn)還有很多無(wú)法預(yù)料的事情。

• 真實(shí)場(chǎng)景硬件的性能是否可以達(dá)到訓(xùn)練時(shí)候的效果？攝像頭清晰度？硬件計(jì)算能力？網(wǎng)絡(luò)信號(hào)和速度？
• 識(shí)別算法是否可以應(yīng)用到所有場(chǎng)景？信噪比？對(duì)比度？是否遮擋？運(yùn)動(dòng)狀態(tài)的會(huì)模糊？不同天氣的光線差異？角度不同產(chǎn)生影響？
• 還有就是非常現(xiàn)實(shí)的成本問題，也就是看ROI，想用機(jī)器人通過圖像識(shí)別來替代人，那要看投入產(chǎn)出比，還得是否可以規(guī)?；?。

綜上所述，這里就需要PM 的能力，比如MVP，A/B test模型，數(shù)據(jù)分析，以及對(duì)于自己的行業(yè)以及用戶深刻理解，洞察行業(yè)的本質(zhì)。

4.?產(chǎn)品落地方向的一些思路

PM+ AI +X的落地方向上的話，借助這幾個(gè)點(diǎn)來思考：

• 哪些可以大幅提升效率，減少人工成本，且可以規(guī)?；?/li>
• 哪些是剛需，但是用戶體驗(yàn)很差，尤其是時(shí)效性有很大要求的。
• 哪些是以前做不到的事情，但是AI可以做到的，比如：自動(dòng)駕駛。

目前計(jì)算機(jī)視覺的應(yīng)用和方向：

但具體要做什么產(chǎn)品，就沒必要在這了YY了，是否可落地是需要每個(gè)PM對(duì)于行業(yè)的深刻洞察，歡迎你隨時(shí)帶著行業(yè)的痛點(diǎn)和經(jīng)驗(yàn)來一起討論AI具體落地方法。

目前計(jì)算機(jī)視覺在技術(shù)上僅是在部分領(lǐng)域識(shí)別具有產(chǎn)品落地和商用的價(jià)值，但是對(duì)于圖像的理解和描述還處于研究階段，是一個(gè)需要突破的瓶頸，讓AI可以更深的正確的理解圖像內(nèi)容后，才能產(chǎn)生正確有效的行為，才真的“智能”，這也是我目前最感興趣的，也是最有價(jià)值的地方。

以上就是我的「產(chǎn)品經(jīng)理的人工智能認(rèn)知體系」系列的第二篇學(xué)習(xí)筆記，歡迎留言交流。

作者：蘭楓「微信公號(hào)：藍(lán)風(fēng)GO @LanFengTalk」，前騰訊游戲，新浪微博PM，Elex產(chǎn)品總監(jiān)，8年的游戲，社交，O2O等產(chǎn)品相關(guān)經(jīng)驗(yàn)，連續(xù)創(chuàng)業(yè)者。

本文由 @蘭楓 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議