标签:文字 视频 AI 各大 开放平台 理解 人脸 语音 ocr
百度:最全
文字,语音,视频都做。
- 百度的视频理解主要是内容的理解,将内容来源归纳为4个维度,语音,文字,人脸(公众人物的人脸识别)和场景(类别泛标签提取)
- 视频融合了多模态元素,包括(语音,文字(弹幕),图像)
- 对于动作等不太涉及
ocr:通用文字识别,增值税发票,身份证
人脸:检测,识别,查找
视频理解:视频内容分析,封面选取
腾讯:OCR
face++:人脸,ocr
阿里云:NLP,asr
还有IOT的解决方案
商汤:主要人脸,也在做slam等,没有开放,有示意。
在图像增强里最重要的前三是
- 图像去雾
- 超分辨率
- 修复(快速去噪)
标签:文字,视频,AI,各大,开放平台,理解,人脸,语音,ocr 来源: https://www.cnblogs.com/Henry-ZHAO/p/13178061.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。