暗藏玄机！京东金融奖金 30 万的“猪脸识别”大赛背后，那些你不知道的事
暗藏玄机！京东金融奖金 30 万的“猪脸识别”大赛背后，那些你不知道的事
点击上方 "CSDN"，选择 " 置顶公众号 "关键时刻，第一时间送达！从传统的可见光图像人脸识别到现在较为先进的基于 3D 建模及红外技术，自 2016 年以来，人脸识别在电子商务、银行、金融、证券、教育、交通等场景中频频出现，热度居高不下。而因人脸识别的日渐成熟，众多科学家也秉持「技术永无界限」的探索精神，于近日跨越了人的种族界限，由京东金融引导开启了 " 猪脸识别 " 大赛。这究竟怎么一回事呢？接下来笔者将为大家一一解开心中的疑惑。11 月 6 日，由京东金融与红杉资本联合主办的首届 "JDD-2017 京东金融全球数据探索者大会 " 在 751 大罐举行，同时，大会也正式启动了首届 "JDD-2017 京东金融全球数据探索者大赛 "，即日起至 11 月 20 日，在中美两地爱好者均可报名参加。为了这个大赛，京东金融真是不惜下了血本了。首先是京东的当家掌柜亲自来给大会站台。京东集团董事局主席兼首席执行官刘强东在会上特别说到：" 随着公司不断做大，我们在行业内做的越来越深入，无论是从全球范围还是从整个国家来看，我们都确实需要一个庞大的生态体系，只有这样整个行业才能逐步健康和健全起来。正是基于企业壮大后，做开放的生态系统的心态，京东金融携手红杉资本举办了此次 JDD 大赛。"在东哥的演讲中，请注意他提到的生态体系。换句话说，京东如今的体量，它要做的不是某项具体的业务，而是要专注于赋能，不断增强内力，修炼内功。而如今，最重要的内功是什么呢？如何更好地赋能呢？" 科技赋能 "，刘强东说到，"在这个时代，AI 既是一种技术，也是一种思考方式。"结合到本次比赛，AI 正是刘强东当下最重要的内功，那么很自然，选拔 AI 人才必须是件刻不容缓的重要事儿。JDD 大赛到底玩什么？于是，结合京东最紧要的业务，一场关于 AI 人才选拔赛拉开了。这次比赛规格相对比较高，同时中美两地进行。四大选题由于金融业务是京东未来最大的发力点，因此，本次比赛主要瞄准金融业务，涉及四大选题：猪脸识别；店铺销量预测；登陆行为识别；信贷需求评估。强大阵容大赛将选手划分为两个组别，分别是商业组和算法组，其中商业组分为中国赛区和美国赛区。无论是在校学生、企业程序员，还是高等院校科研单位从业人员均可报名参加，团队参加人数不超过 3 个人。同时，在算法组，本次大赛为进入总决赛的选手引入了导师制。导师将为选手提供 48 小时贴身现场辅导。在中国赛区的商业组，进入总决赛的选手将在四位大咖导师及京东专业人员的带领下完成比赛，总决赛导师分别为：登陆行为识别的导师—— TalkingData 首席执行官 崔晓波店铺销量预测的导师——红杉资本中国基金专家合伙人 车品觉信贷需求评估的导师——微软亚洲研究院城市计算领域负责人、美国计算机学会杰出科学家 郑宇猪脸识别的导师——国际人工智能联合理事会主席、香港科技大学计算机科学及工程学系主任 杨强大赛的评委包括：陈生强——京东金融 CEO
侯晓天——天灏资本首席执行官
胡莹——中国银联助理总裁
马宁——领沨资本创始合伙人
沈南鹏——红杉资本全球执行合伙人
唐杰——清华大学计算机科学与技术系副教授、系科研办公室主任
卫哲——嘉御基金创始合伙人兼董事长
周涛——电子科技大学 互联网科学中心主任周炜——创世伙伴资本创始主管合伙人决战巅峰不得不提的是本次大赛的奖金：其中，商业组冠军 1 名，奖金 30 万，算法组冠军共 4 名，每名获得 30 万奖金。除奖金外，获胜团队有望对接到相应的投资。值得一提的是，本次 JDD 大赛中一道关于 " 猪脸识别 " 的赛题，真是别具一格，来看看这具体是一道怎样的别致赛题：暗藏玄机——猪脸识别说到 " 猪脸识别 "，还要从一个故事引入。话说，家住北京周边的养猪专业户老张最近遇到了一个难题，经过多年的辛苦劳动以及经营，他家的养猪场规模也是越来越大，猪的数量从原来的几头发展到现在的上百头。看着这么多的肥猪，老张心里美滋滋。可是伴随着猪对的数量增长，让人发愁的事情也随之而来。这些猪的体型都很相近，老张想要清晰的分辨出每头猪变得越来越困难。可是，为了了解每头猪的状态，他又必须得认清每一头猪，此猪而非彼诸。怎么办呢？要分辩不同的人，有人脸识别；同理，要认清不同的猪，就整个猪脸识别呗！（猪也是这么想的）那京东为什么花大力气来做这个赛题呢？它能得到什么好处？在 JDD-2017 京东金融全球数据探索者大会上，国际人工智能联合会理事会主席、香港科技大学计算机科学及工程学系主任杨强对于 " 猪脸识别 " 是这么看的，" 首先我们可以获取大量数据，而不用担心隐私问题，我们想猪可能不太关心隐私。此外，这涉及到一个活体识别的问题，背后确实存在一个商业场景的问题。"也就是说，好处有三：第一，隐私的问题将不存在；第二，可以更好地研究活体识别；第三，没准能将此经验复制到其他场景。那么，其中的经验到底还可以应用于哪些场景呢？关于这个问题，我们目前还没有得到满意的答案。而通过猪脸识别，养猪户老张能得到什么好处呢？杨强提到，AI 能轻松地帮他鉴别出，不同的猪只在养殖过程中的各种活动，于是，老张能看到这个猪是不是活跃，是不是萎靡，如果是一只非常不爱动的猪，就可以在一定程度上对它的健康作决策，继而保险就可以做出相关预测。再者，消费者可能喜欢不同类型的猪肉，这又是对猪的鉴别衍生出的个别化需求。别看它就是一只猪，这其中可既有深度学习的应用，又有商业应用，既有趣，又极有未来潜力。想来认猪吗？即日起就可以报名啦。比赛详细信息比赛日程（重要的时间节点请注意）11.06-11.20——报名。参赛选手通过「JDD — 2017 京东金融全球数据探索者大赛」官网（http://jddjr.jd.com/）进行报名，报名成功后即可进入选拔赛。11.09-12.12——选拔赛 。根据赛题通过机器评分选出 16 名参赛选手入总决赛。12.15-12.17——总决赛。16 名进入总决赛的选手线下封闭 48 小时（通过相关材料、数据的提交以及现场展示等环节，分数由评委打分综合决定，选出冠亚季军， H5 投票现场截止，投票最高者获得最具网络人气奖。）评审标准选拔赛——通过机器评分选出 TOP16总决赛——由评委根据 demo 和 BP 打分排名，打分标准为技术（20%）、创新性（30%）、商业价值（20%）、潜在市场（20%）、现场表现（10%）网络人气奖——由 H5 投票最高者获得。关于 " 猪脸识别 " 的赛题本赛题需要参赛者设计一个算法，能够通过猪的照片来正确的辨别每一头猪的身份。训练数据训练数据包含 30 头猪的视频素材，每头猪对应一个文件，时长约 1 分钟，文件名即为猪的编号。参赛者需自行决定如何从视频中获取图像数据。评测数据测试数据为 30 头猪的照片 3000 张，参赛者需要用算法来区分这些照片上的猪的身份，即预测每张照片属于每个类别（猪）的概率。本赛题 AB 榜评测数据各包含 3000 张照片，B 榜照片的下载将在 B 榜开放当天挂出来。根据参赛者提交的图片分类概率，按如下公式计算得到分数，其中 N 为测试图片的数量，M 为分类的数量，pij 为预测图像 i 是第 j 头猪的概率，为防止出现计算异常，计算时会将 p 替换为 max ( min ( p,1-10-15 ) ,10-15 ) ，yij 为图像 i 的真实分类，即如果图像 i 是第 j 头猪，则 y=1，否则 y=0：提交要求提交的数据文件应为 csv 文本，英文逗号分隔，无 BOM 的 utf8 编码，不包含列名。文件中只包含三列：图片号（id），猪的类别（pig_id），分类概率，必须包含测试集中每张图片属于每个分类的概率。关于信贷需求预测的赛题通常来说，开展信贷业务不仅需要评估客户的风险水平，还需要对客户的借款需求进行预测，做好资金额度与需求的匹配才能提高资金利用率，降低成本并增加收益，因此预测用户的信贷需求是金条产品运营的核心问题之一。该赛题需要通过竞赛数据中的用户基本信息、在移动端的行为数据、购物记录和历史借贷信息来建立预测模型，对未来一个月内用户的借款总金额进行预测。其中包含了各种维度的序列数据、品类交易数据，参赛者可以采用各种类型的数据预处理算法、模型融合等技术来解决信贷需求这个关键的商业问题。训练数据为
期间，用户在移动端的行为数据、购物记录和历史借贷信息，及 11 月的总借款金额。参赛者需要对每个用户（t_user 表中的全部用户）在 2016 年 12 月的总借贷金额进行预测。要求提交的数据文件应为 csv 文本，英文逗号分隔，无 BOM 的 utf8 编码，不包含列名。文件中只包含两列：用户 id（uid），预测的总借贷金额，其中用户 id 必须唯一，必须包含训练集中的全部用户。关于店铺销量预测的赛题对店铺销量进行预测是 " 京小贷 " 业务信用评估的关键环节之一，只有准确的预估店铺未来的销量，才能合理的设定贷款额度，提高资金利用率。该赛题需要对店铺开展贷款业务需要定期测量和跟踪经营状况，对店铺销量进行预测是其中的关键环节之一，只有这样才能准确的评估其资金需求并设定合理的贷款额度。通过竞赛数据中店铺过往的销售记录，商品信息，商品评价，以及广告费用等信息来建立预测模型，预测店铺未来 90 天内的销售额。训练数据包含
日之前 270 天之内若干店铺的每日订单量、销售额、顾客数、评价数、广告费用等数据，下架时间在
之后或者未下架的商品数据，以及这些店铺 2016 年 6 月 -2017 年 1 月每月末后 90 天内的销售额，同时需要对每个店铺（训练数据中涉及的全部店铺 id）在
之后 90 天内的总销售额进行预测。提交的数据文件应为 csv 文本，英文逗号分隔，无 BOM 的 utf8 编码，不包含列名。文件中只包含两列：店铺 id（shop_id），预测销量，其中店铺 id 必须唯一，必须包含全部店铺。关于登录行为识别的赛题大数据风控引擎会对用户登录后进行的每一笔交易进行评判，自动对疑似有风险的交易进行拦截操作。登录识别的应用情景是在用户进行金融交易支付时，通过其近期的登录行为来判断本次交易的风险程度，进而及时拦截可疑的支付动作。需要做到能够在常用的分类算法基础上，构建针对登录行为识别的、有业务可解释性的模型，对账户的登录行为进行评判。训练数据包括 2015 年 1 月 1 日至 6 月 30 日的用户登录信息以及该时段内这些用户的交易风险标志，由于用户不会每次登录都发生交易，所以风险标志少于登录次数，需要自行决定如何将登录行为与交易行为进行关联。需要根据 2015 年 7 月 1 日至 7 月 31 日的登录行为信息，来预测这个时间段中每一笔交易的风险标志。提交的数据文件应为 csv 文本，英文逗号分隔，无 BOM 的 utf8 编码，不包含列名。文件中只包含两列：主键（rowkey），是否有风险（1 表示有风险，0 表示无风险），其中主键必须唯一，必须包含测试集中的全部 rowkey。最后的话京东愿意这么大力来做这个比赛，这是一个双赢盛世。对选手来说，大量的一手的高质量数据将被贡献出来，选手们不再是空中楼阁般地比拼武艺，而是能融入实际场景，解决实际问题。而一旦能以突破性的方式解决问题，团队不仅能得到重磅奖金，更重要的是，有希望能直接获得投资。对于京东来说，信贷需求预测，店铺销量预测是需要升级的核心能力，把问题抛出来，在全社会的智慧中寻找最佳答案，无疑是最省事也是最省钱的方式。 如果看中了哪个团队，也可以直接投资，省去了自建团队的各种麻烦事。在前不久，创新工场发起的 AI challenger 挑战赛，搜狗拿出大量数据供选手比赛，由于比赛的数据量大，而且质量高，在选手中颇得好评。可以想见，由企业发起，解决实际问题的比赛，在明年还会越来越多。这是一个开放的信号：数据、资源、资金、人才、技术，一个都不能少，才能真正促进企业不断在 AI 的豪华军备升级中，拔得头筹。即刻点击 " 阅读原文 "，立即报名！原网页已经由 ZAKER 转码以便在移动设备上查看
大家都在看您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给孔令双
导语：「人脸识别」已经满足不了京东了，「猪脸识别」正在路上......
同步到新浪微博
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录
请填写申请人资料社会化媒体
了解更多>>
桂ICP备 号
阅读下一篇
自媒体运营攻略
行业经验交流
Hi，在你登录以后，就可以永久免费的收藏任何您感兴趣的内容，关注感兴趣的作者！
手机注册或邮箱注册
点击按钮进行验证
请输入正确的邮箱
已有帐号请点击
帐号创建成功！
我们刚刚给你发送了一封验证邮件
请在48小时内查收邮件,并按照提示验证邮箱
感谢你对微口网的信任与支持
你输入的邮箱还未注册
还没有帐号请点击
点击按钮进行验证
你输入的邮箱还未注册
又想起来了？
你已成功重置密码，请妥善保管，以后使用新密码登录
邮件发送成功！
我们刚刚给你发送了一封邮件
请在5分钟内查收邮件,并按照提示重置密码
感谢你对微口网的信任与支持
对不起，你的帐号尚未验证
如果你没有收到邮件，请留意垃圾箱 或
意见与建议
请留下您的联系方式
* 留下您正确的联系方式，以便工作人员尽快与你取得联系
转藏至我的藏点内容字号：
段落设置：
字体设置：
精准搜索请尝试：
杨强：猪脸识别的应用可以对保险作预测
来源：作者：张洁责编：文轩
11月6日消息，今日在JDD京东金融全球数据探索者大会上，国际人工智能联合会理事会主席、香港科技大学计算机科学及工程学系主任杨强发表主题演讲，他从学术界的角度探讨了人工智能技术的商业化，以及人工智能在金融领域的应用场景。杨强认为，算法应用到实际场景中需要满足三个方面的要求。1、算法的闭环路径要短；2、反馈要足够高频、高通量的反馈；3、反馈效果一定要起到复合作用。其次，杨强表示，技术风口主要有基于图像的学习和理解、自然语言理解、智能推荐、迁移学习四个方面。在技术革新和商业应用的结合点，他特别指出金融行业是拥抱智能时代的领跑者。金融业闭环路径短、交易频度高、复合迭代快，是最适合AI应用的场景。在金融里面有各种各样的应用场景，比如和用户沟通的场景、金融安全、活体识别、人脸识别、声音识别、行为识别等等。另外运营、投顾方面都可以借助于人工智能大量加强提高效益。杨强举例，过去一个养殖户用12块钱养一只鸡，需要提前贷一笔很大的款。但是小鸡的时候不需要吃那么多饲料，不同的鸡对不同饲料的需求也不一样。当掌握这个过程的时候，就可以把放贷变得因地制宜，如果能够做到按日计息就可以做到这一点，就能够大大提升效率。另外，当前大规模的机器学习系统共有的一个问题是过拟合。杨强说：“例如在手机的一些新闻的APP上，当我们点了一类的新闻以后，后面20个都是那一类的新闻。这是因为在技术上，它没有照顾到准确性和多样性的需求。”针对上述情况，杨强表示目前在研究一个强化学习的模型，即迁移的匪徒模型。用这个模型既照顾到准确率，又照顾到多样性，就把过拟合的问题彻底解决了。最后，杨强在现场还介绍了猪脸识别的应用“首先我们可以获取大量数据，而不用担心隐私问题。同时，猪脸识别又是一个活体识别的问题。此外，猪脸识别背后确实有一个商业场景的问题。例如一个场景就是猪脸识别可以帮助养猪户鉴别不同的猪在养殖过程中的各种活动，这个猪是不是活跃，它是不是散养的，它还是一只非常不爱动的猪，对健康就可以作决策，对保险就可以作预测。另外消费者可能也会有挑选，有人可能喜欢不同的猪肉，可能对整个的历史还有猪的鉴别就有个别个性化的需求。所以既有深度学习的应用，又有商业的应用，所以这是非常有趣的一个题目。”以下是演讲全文：刚才我们听到了几位从不同方面给我们解读了人工智能、金融、数大局方面的前景。今天，我的主题是从另外一个方面来看这个问题。首先我是一个做学术的，同时我对商业也有着浓厚的兴趣，所以我想探讨一下从学术的角度来看商业的问题，我们会得到哪些新的发现。首先来看一下ALPHAGO的成功，首先ALPHAGO能够引起很大的振动，我们从中能学到什么，对我们的商业方向有哪些指导呢？首先我们看一下AlphaGo本身是几个算法的结合，深度学习，还有一个算法叫做强化学习，就是中间这个图所表达的，算法和环境有一个有机的连接，那么环境不断给算法提供反馈，深度学习就像右边这个图所表达的，它既能告诉你你当前的状态，又能为你未来的行为提供一个指导。这样一个算法是不是可以应用在我们实际当中去呢？我们看一下，从当中我们可以获得不同的解读，这个是我的一个想法。首先，是这个闭环的路径要短。商业路径也好、算法路径也好，它的中间最好不要有过多的环节，比方说从用户到得到反馈，到反馈到AI的算法得到补充，最后再返回到应用，这个闭环要足够短。第二，这个反馈一定要足够高频、高通量的反馈，不断得到反馈，系统得到刺激，这样它的智能才能够成长。第三个，也是大家过去比较忽略的，它的反馈效果一定要起到一个复合的作用，我们在经济上经常讲复合收益，在人工智能上的成功这一点也是非常重要的，像这个图所表达的，也就是说这一轮的反馈对系统的增益要持续进行，就会有一个指数型的收益上升。我们再看看周边实际遇到的问题，是不是有很多类似的场景满足这样的需求呢。我们回顾一下人工智能的里程碑。九七年，我们有深蓝。然后一一年的时候我们有IBM watson，最近我们又有了AlphaGo，无人车，包括最近有了德州扑克，这些都是我们引以为豪的人工智能。在这些里程碑的成功背后是不是路径闭环足够短，反馈足够频繁。另外，复合作用是非常明显，系统在不断改进自己，智能在提升。再看一下周边的工作，所以我就有一个想法。人工智能在现阶段的应用并不是在所有领域都会取得成功，我们一定要非常仔细挑选在哪些领域人工智能比较容易得到成功，在哪些领域还要等一等。所以，下面就要来看一下技术和商业这两方面到底哪些是我们现在可以得到效益的风口。首先来看一下技术风口。人类的知识获得70%以上都是通过视觉的，也一点都不奇怪，深度学习的发展肯定对人工智能的应用、对人工智能的技术一定是持续发展的。比方左边列的这些技术方向，包括用更好的深度学习、可解释的深度学习，包括理解物体之间的关系，包括通过一个视频可以理解里面的一些人类能理解的摘要，把它给取出来，为人类和计算机的模型进行沟通。自然语言紧随其后，包括文本的阅读、理解、产生、问答、分析等等，现在深度学习都带来了非常大的提高。但是，这个提高还是要随着算法的提升有待更加地提高，在使用当中能够产生更大的效益。另外一个，智能推荐。在电商、在往上购物等等都有这个推荐。但是推荐的一个重大的问题就是我们很容易陷入一个所谓的深坑，就是在机器学习技术上所说的过拟合。当我们点击了一个在手机上的新闻，我们会得到好多这样的新闻，系统不会顾及到我们对其他的兴趣。怎么样解决这些问题呢？这个就是技术上的革新所期待的，我们在这方面也在不断做新的研究。还有一个就是我个人的研究，迁移学习。比方说人类很自然就会使用迁移学习，我们在一个领域很专业，怎么把这个知识迁移到另外一个领域，能不能让计算机也有这个能力。有很多的专家认为这就是人工智能机器学习下一个的热点。迁移学习也会带来很多技术革新。比方，我们可以在一些小数据上面应用大数据得到的结果，在一个领域得到一个非常好的模型，可以把它迁移到周边一些小数据的模型，这个也是人类学习的一个有效的模式。另外一个，迁移学习可以使得模型的可靠性得到加强，一个模型产生了，我们可以让它在不同的场合都适用，这个模型就更加可靠。再有，越来越多的个性化的需求，在场景当中经常听到这样的名词，千人千面，这样一个场景可以用迁移学习实现。比如右边这个图表现，如果在云端得到一个通用的模型，可以把它适配到各个终端，使它在不同的终端就有不同模型的体现，这样就实现一个个性化。它带来的另外一个好处就是迁移学习可以解决隐私问题，每一个终端用户都不必把他的个性化的数据上传到云端，就可以得到它的结果。所以，我们很期待这样一个技术的革新。这里是迁移学习的一个实例，右边这个图表示迁移学习不一定是一步到位，从一个模型迁移到一个场景，我们可以通过一系列的场景把一个模型迁移到不同的更广泛的范围，比方说一个手段就是中间这个图所示的用深度学习来做迁移学习，这也是我最近一个研究方向。最右边这个图就表现了一个实际的应用。最近斯坦福大学和联合国共同做了一个应用，利用卫星图片分析非洲大陆不同地区的贫困程度。利用这种所谓传递式的迁移学习，就大量节省了人力。过去是要派一些观察员到本地去做各种积累、各种调查，现在不用了，现在就用卫星图片把白天和晚上的地球图象加以比对，最后训练出一个模型，大大节省了人力。这里我们看到这些技术可能的革新，这些技术革新和商业应用方向有哪些是最契合的。这里我要特别提金融方向。我们之前提过，一个是闭环的路径要短，一个是沟通要高频，最后要有复合效应产生，很快让模型能够变得壮大。那么金融就是这样一个领域。我不用多说大家也明白，在金融里面有各种各样的场景，比方和用户沟通的场景，金融的安全、活体识别、识别用户本人，用人脸识别、用声音识别、用行为识别。在后端，可以对用户整个风险进行分析，是不是应该借贷。做一笔投资，在这笔投资之前要进行风险分析，现在基于大数据和人工智能可以自动产生这样的分析，像个人和企业的征信。另外运营方面、投顾方面，我们都可以借助于人工智能大量加强提高效益。经济本身就是一个提高效益的不断的过程。现在人工智能又为经济效益的提升提供了一个强大的动力。比方刚刚讲的风险管理这里面又分监控、识别、评估和干预，每一个方面都可以有大量的人工智能的参与。这里一个很有趣的例子是从京东金融本身的实践得来的，就是人工智能可以帮助养鸡，是一个非常有趣的应用。比如过去一个养殖户用12块钱养一只鸡，需要提前贷款，贷一笔很大的款放在那儿，这个时候就产生了很大利息支出，这个对养鸡户是一笔很大的费用。但是鸡的成长，小鸡的时候不需要吃那么多的饲料，只有长大的时候才吃。不同的鸡对不同饲料的需求也不一样。当我们能够掌握这个过程的时候，我们就可以把把放贷变得因地制宜，在一开始养鸡户不需要借这么多钱，过去逐次增加。所以如果我们能够做到按日计息就可以做到这一点，就能够大大提升效率。到现在京东金融可以做到6分钱就养一只鸡，用人工智能的算法来做分析。同时我刚刚提到推荐系统，大规模的机器学习系统，当前共有的一个问题是过拟合。就像刚才说的，在手机的一些新闻的APP上，当我们点了一类的新闻以后，后面20个都是那一类的新闻，这是为什么呢？这是因为在技术上，它没有照顾到两个需求，一个是准确性的需求，一个是多样性的需求。现在我们在研究上，我们在研究一个强化学习的模型，能够把两个需求全部照顾到，就是右边这个名词叫迁移的匪徒模型。用这个模型既照顾到准确率，又召开到多样性，就把过拟合的问题彻底解决。最后，我要说一下JDD背后是一个大赛，同时在中美两边进行。说起JDD，我要特别提KDD，即数据挖掘和知识发现，在学术界大家都听说过KDD，这样的大会已经有过20年的历史，而且每一年都有一个大赛，就是由工业出题，也变成了我们发现一些优秀团队的一个方式。今年的JDD也是采用了这样一个在金融方面的非常大的机会，今年的机会来自四个方面，都是紧贴着金融应用的。一个是登陆的行为识别，要发现有没有可能是欺诈的行为，这里面需要深度学习，需要了解一些金融的知识，所以需要两方面的知识，这也是JDD大赛的一个特点，我们不仅要技术上的革新，同时也需要这些参赛队伍能够写出一个商业计划，能够把商业场景想清楚。第二，金融界非常关键的一个需求，就是信贷需求的预测，还有店铺销量的预测。最后一个非常有趣的识别叫做猪脸识别，而不是人脸识别。猪脸识别是需要做什么呢？首先我们可以获取到大量数据，而不用担心隐私问题，我们想猪可能不太关心隐私。同时又是一个活体识别的问题。同时确确实实背后有一个商业场景的问题，我们可以设想一下，假如有学生参加这个比赛，一个场景就是它可以帮助养猪户鉴别不同的猪只在养殖过程中的各种活动，这个猪是不是活跃，它是不是散养的，它还是一只非常不爱动的猪，对健康就可以作决策，对保险就可以作预测。另外消费者可能也会有挑选，有人可能喜欢不同的猪肉，可能对整个的历史还有猪的鉴别就有个别个性化的需求。所以既有深度学习的应用，又有商业的应用，所以这是非常有趣的一个题目。我们就很期待这样一个学术界和金融界的结合，就是从JDD大赛开始。谢谢大家！
软媒旗下软件：
IT之家，软媒旗下科技门户网站 - 爱科技，爱这里。
Copyright (C) , All Rights Reserved.影子控股“猪脸识别”应用发布会，引领养猪新模式_网易新闻
影子控股“猪脸识别”应用发布会，引领养猪新模式
用微信扫码二维码
分享至好友和朋友圈
（本网讯） 当阿尔法狗（AlphaGo）击败人类职业围棋选手、战胜围棋世界冠军时，人工智能已经来到了我们身边；当养猪场还在受限于养猪人才匮乏、生产成本居高不下的困惑时，人工智能已悄然融入养猪生产中，打开养猪新纪元。日，由广州影子控股股份有限公司主办，华中农业大学、广州市艾佩克养殖技术咨询有限公司承办的“影子猪脸识别商业化全球首发”在广州举行。来自中山大学、华中农业大学、华南农业大学、广东省农科院等高校与科研院所，国内知名养猪企业温氏股份、海大集团、壹号食品等企业的近100名代表出席了本次发布会。同时，国内外数十家主流媒体以及行业相关媒体对本次发布会进行重点报道。在会上，影子控股创始人、国家生猪产业体系首席科学家、中山大学陈瑶生教授，介绍了影子控股由来、愿景、使命。他表示：”养猪产业已经从传统的养猪时代开始步入智能化的养猪新时代。影响养猪效率、成本的关键在于基因、营养、疾病、环控、管理五大核心要素。且五大关键要素却是彼此关联、互相影响的。而传统养猪模式无法在线，缺乏数据和智能计算，从而导致每个要素是孤立的、分散的，无法精准找到问题所在。如何依靠大数据、人工智能来打通五大要素之间的数据连接，精准定位关系，精准实现养猪生产？智能化养猪势在必行！“据了解，影子控股致力于为农场到餐桌全产业链智能商业提供新引擎的互联网智能化的高科技企业。企业本着“让动物快乐，爱出者爱返；让人们幸福，福往者福来”的愿景，致力于为餐桌提供健康、安全、美味、便利的互联网智能解决方案。基于市场的需求，企业首先着眼于农牧产业，为养猪生产者提供互联网智能化的以提升养猪效率、降低养猪成本为目的的养猪整体解决方案。“猪脸识别”就是企业提出的首款智能养猪产品。作为行业基础性产品，“猪脸识别”的商业化发布开辟了生猪产业人工智能应用的广阔前景。影子技术研发团队则通过现场讲解、用户互动体验展示和现场提问，给参会者带来了全新体验。影子“猪脸识别”融合了图像识别、算法分析、机器学习等高科技处理技术，为养猪企业提供人工智能养猪解决方案，具有五大特点：识别精准度高；应用方便：实时手机端应用；免费使用：为养猪用户提供免费使用；一站式解决方案：可与影子的其他SaaS产品合力打造养猪一站式解决方案；行业生态平台：可纳入影子的行业大数据平台，与采销、物流、基因、营养、生物安全、环控、猪场管理等紧密结合，加入行业生态系统。会上陈瑶生教授还重点分享了“猪脸识别”技术开发历程、商业化应用前景和未来预期。据悉，影子“猪脸识别”应用场景非常广泛，其中包括猪场猪只身份识别、育种管理、猪场生产管理、猪群健康管理、智能体重测定、母猪精准饲喂、母猪膘情控制、食品安全追溯等众多应用场景。截至目前，系统在线猪脸数据已达30万头。“猪脸识别”将开创AI+养猪新模式，助力养猪行业提高生产效率、降低养殖成本！（完）
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈