算法+人工辅助的双重技术保证

其次，算法+人工辅助的双重技术保证。

形色是一款优秀的人工智能类产品，它在为用户解决的过程中，传达出一种十分谦逊、负责的态度。

具体地，在实现的过程中，除了以深度卷积神经网络对图片进行分类并检索的识别算法外，为了应对算法失灵的情况，形色还配备了专业的人士进行人工鉴定及解答。

最后，技术细节的处理。形色在提取照片之后，考虑到用户拍摄的图片可能存在模糊、关键特征不明显的特点，所以算法会对图片进行统一的预处理之后再识别。

预处理的过程包括了光线调整、颜色反转、曝光度、裁剪出关键部位等，如此，可以提升照片的质量。因为深度网络中，算法训练时学习照片的特征，如果照片本身的质量不佳，则算法会学到一些错误的特征，从而可能引发后续的判断错误。同时，一些肉眼无法辨识的特征，尤其是某些相近的种类，如果没有经过预处理，模型就有可能无法获得相关细节，从而发生误判。

形色的技术方案看似简单，但是他们的智慧在于，选择当前效果最好的一项，并将其打磨到最好。

现有的计算机视觉处理任务中，图像识别、分类的效果是最好的，比如：许多人脸识别、图像分类的结果在经过足够的训练数据训练后，可以达到99%以上的准确率，而人由于经验以及其它生理的不同，可以达到的平均准确率也才有95%左右。

所以这从一点上看， 形色抓住了图像识别这一技术可以落地的时机。因为大部分AI产品设计的初衷，一定是因为算法可以帮助人类解决部分重复性的工作且解决的效果优于人类。

且在瞄准了切入点之后，他们花了足够多的时间和精力在技术上做深入的积累，等到时机成熟的时候，花费极小的成本将其成功迁移到另一项功能上（拍照识瓜果和海鲜）。

所以人工智能类的产品，不要一开始就着眼于用多复杂的技术、做多复杂的功能，简单、高效直至炉火纯青才是王道！

技术关键词：数据集 算法+人工辅助 技术细节处理