Leafsnap、形色、微软识花，来一场“智能科技”约会植物的趴体！
继脸部图片识别年龄和性别之后，这两年随着智能识别技术不断提高，触及的领域也越来越多，最近随着微软识花的面世，植物识别也被大众熟知。
做植物识别容易吗？
植物专家说，全世界已经发现的花至少有25万种，要去分辨各类植物，识别出对应的名字，还是有难度的。
不少微博大号就开通识别植物的功能，比如@博物杂志、@果壳自然控等，这些大V都是依靠人工鉴定来识别植物或动物，受到网友欢迎。
但现在已经有不少植物识别的应用出现了，上传照片后，能在短短几秒钟后就知道植物名字，还有更多植物相关的信息、知识。
很多人好奇这些应用是怎么做到的？背后又有什么技术支持？
揭秘智能识别！
Leafsnap
最早开发植物识别应用的是Leafsnap，由哥伦比亚大学研究院提供技术支持，使用了视觉识别技术去识别照片中叶子的形态，从而鉴定植物的科属种信息。
这款应用是英文版的，给出的植物名字是拉丁文，对使用者的专业性要求很高。
尝试使用一次，结果识别不出，弹出的对话框提示：照片没有叶子，识别不出。所以Leafsnap是可能只能识别植物的叶子，如果只拍花朵，是识别不出结果的，这对用户的使用情景要求还是挺高的。
形色
去年8月上线的一款应用，背后使用了DeepLearning(深度学习)技术，对大量的已有图片进行学习，以鉴别用户上传的图片。
一方面，形色的识别率随着训练时间增加，会不断提高。另一方面，在每天都会收到大量的图片上传，系统会根据用户对于当前识别结果的反馈，对识别引擎进行持续的迭代更新，改进之前的识别结果。
可能是出于对识别率不能100%的考虑，识别页面底部有“求高手鉴定”的按钮，点击之后跳转到专家鉴定页面，最后也能得到鉴定结果。
这款应用主打亲民风格，专业性不是很强，展示的一些植物介绍和文章更追求简单、趣味和互动。
微软识花
今年9月上线，微软亚洲研究院推出的最新款智能识别应用，首先放在AppStore上线。
微软识花也是应用了深度学习技术。研究员们借助中科院植物所提供的260万张花的鉴定照片，对机器识别模型进行训练。
智能机器按照“科-属-种”的层级划分，首先确定花的“科”，再通过一些细节的特征，例如花瓣的分布、形态等来确定它归于哪个“属”，最后通过花瓣的颜色、纹理等更为细微的特征来具体判断它属于哪个“种”。一朵花就是这样被计算机识别出来的。
此外，微软识花应用还带有一个专门的花儿搜索包，将400种园艺花卉收录在系统中，按字母顺序排序，能够离线搜索、离线识别是微软的优势。可能是第一个版本的原因，学习的种类并不多，期待后期的增加。
智能识别的跨界
一款看似简单的识花应用背后，是长期以来在机器学习领域的技术积累和跨界合作的成果。将智能识别技术的成果应用到更加广阔的生活和学术中，让技术为人们的生活带来改变。
在未来会不会出现智能识别动物、汽车、衣服或者更多？我们拭目以待。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）