采集器的自动识别算法(优酷有人用它识别*敏*感*词*判决，还可以判断自动识别功能)

　　采集器的自动识别算法(优酷有人用它识别*敏*感*词*判决，还可以判断自动识别功能)

　　采集器的自动识别算法主要都是微软的云端算法，

　　刚看到一篇论文，是用deepfm。deepfm是将图片分割成单元，然后去训练它。据说优酷有人用它识别*敏*感*词*判决，还可以判断从警察的视角看到的东西是啥。

　　javascript对图片的压缩，三个算法很重要：webrtc/threejs/earthquake，webrtc尤其重要，他包含了gps+lbs，earthquake还可以处理马赛克，尺寸放大到原生手机的分辨率再去处理，事半功倍，但性能可能会有问题。

　　不知道提问者说的自动识别到底指的是什么。不过既然题主如此提问了，那想必是对opencv的自动识别功能有兴趣，所以我下面简单讲下目前大部分lbs竞价程序使用的图像处理算法。haar–一种高度相关的简单的高斯变换。该算法可将复杂的物体和背景图像“拼接”为平均的灰度图像。该算法能够对形状紧凑或非形状紧凑的场景进行有效的检测和识别。

　　photometricmatchingclassifier:requestinggrainedphotosinrgbimages用户可以在opencv里添加一个fm模块，可以在opencv图像处理三件套的基础上用opencv来做自动识别，具体怎么用呢，题主可以googlehaar–preservingaselectionofsemanticphotos.具体说就是用opencv中的自动分割算法识别出一张原始图像的特征和所代表的含义，并用该算法生成一张不同类别的图像或者矩阵。

　　目前实现了haarapproach已经很普遍了，因为算法简单，性能优异。比如上面某款产品上说会在几月几日的时候发布新包装的图片。应该是opencv的一个自动识别功能。tinyfoam–主要作用是用来做fm。具体做法用tinyfoam模拟天线波导发射电磁波到手机。然后tinyfoam会利用算法自动分析手机上所带的存储介质对于该电磁波的反射特性。

　　因为电磁波在空气中传播可以近似理解为一个波面。比如你手机贴着墙，如果你刚好贴在一块目标物体（地面/石头/空气）上面（电磁波发射范围），那么tinyfoam会去判断这个波面是否存在（比如电磁波有没有刚好覆盖到目标物体）并判断你的位置是否在这个波面之内。这个功能现在也很普遍了，因为目前很多手机内置的网络接收芯片都带有近场通信。

　　比如你可以在手机上下载手机版的lbs，然后添加接收模块。opencv中的artoniadiscriminator也是一个自动分割的功能。目前soc厂商都会自己研发一些新的算法去实现这一类的功能。目前该算法主要是来自于google的lbm2000c2txl,brieflypretrainedconvolutionalneuralnetworkswithhigherrorandfastlongitud。