2020-2026年中国深度学习行业市场全景调查及投资价值预测报告

第一章、解密深度学习

1.1、人工智能的发展一直随同人工神经网络研究的进展而起伏

1.2、人工神经网络分析

1.3、深度学习迅猛发展的历史背景

1.4、深度学习技术引领人工智能浪潮

第二章、深度学习直接应用状况分析

2.1、语音识别

2.2、图像识别

2.2.1、深度学习推动计算机图像识别率大幅提升

2.2.2、计算机视觉已经成为最吸引投资的人工智能技术方向

2.2.3、深度学习推动多个领域图像识别广泛应用

（1）、人脸识别领域

（2）、视频监控领域

（3）、图像搜索、场景识别

（4）、图像及视频编辑

（5）、移动互联网领域

2.3、搜索引擎

2.4、邮件自动回复

2.5、机器翻译

2.6、杀毒软件

第三章、深度学习在视频行业的应用

3.1、视频的智能化处理

3.2、深度学习开创新的商业模式：视频电商与新型广告植入

第四章、深度学习在医疗行业的应用

4.1、医疗行业数据处理要求远远超出人类个体信息处理能力

4.2、从IBM 沃森系统在医疗行业的应用来看，深度学习主要体现在互动、发现和决策三个方面 38

（1）、互动能力

（2）、发现能力

（3）、决策能力

第五章、深度学习在金融行业的应用

5.1、金融大数据特性决定了引入人工智能技术的必然性

5.2、人工智能投资基金表现优异

5.3、机器学习和自然语言处理是目前人工智能投资基金常用技术

5.4、国内以同花顺、资配易为代表的人工智能投资机器人已初露锋芒

5.5、深度学习显著提升互联网金融风控和征信的能力

第六章、深度学习在无人驾驶及无人机中的应用

6.1、深度学习在无人驾驶技术中的应用

6.2、深度学习在无人机上的应用 56

第七章、投资策略

第八章、主要公司分析

8.1. 东方网力 （ZY ZS）

8.2. 同花顺

8.3、科大讯飞

8.4. 浙大网新

8.5、思创医惠

8.6. 和而泰

8.7、汉邦高科

8. 风险提示

图表目录

图表 1：人工智能的发展一直随同人工神经网络研究的进展而起伏

图表 2：生物神经元的结构

图表 3：人工神经元数学模型

图表 4：单层人工神经网络

图表 5：多层（深度 ）人工神经网络

图表 6：深度学习实际上是建立输入和输出数据之间的映射关系

图表 7：百度深度学习的四大直接应用本质上都是实现分类识别功能

图表 8：人类视觉从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定，眼前的物体的形状），然后进一步抽象（大脑进一步判定该物体是人脸）

图表 9：深度学习已经应用到谷歌的各项业务中去

图表 10：深度学习具备非常好的通用性：基础模块、端到端的简单模型

图表 11：深度学习效果随着数据规模增加显著提升

图表 12：谷歌首次引入深度学习语音识别错误率就降低 30%

图表 13：科大讯飞语音 识别近几年错误率明显降低

图表 14：ImageNet 是全球最大的计算机视觉图片库

图表 15：Google在 Im ageNet图片识别准确率快速提升

图表 16：国际权威测试IMAGENET 各公司图像识别错误率已接近人类肉眼水平

图表 17：LFW 库中不少公司人脸识别识别错误率已经低于人类肉眼

图表 18：%的人工智能技术类企业投资集中在计算机视觉领域

图表 19：实现任意脸部遮挡及视角下的实时检测

图表 20：人脸特征识

图表 21：行人检测

图表 22：车辆检测

图表 23：语义驱动的互联网规模图像搜索及排序

图表 24：在实用场景 中物体识别技术可提供商品搜索、危险物品检测等多种实用引擎

图表 25：场景识别在上百类的室内外场景图像中识别显著场景元素

图表 26：在自然场景拍 摄的图像中准确地检测并识别出其中的文字内容

图表 27：基于深度学习实时降低图像压缩噪声

图表 28：基于暗原色技术实现的图像去雾

图表 29：风靡朋友圈的 faceu应用人脸技术支持

图表 30：宝宝相册自 动识别整理宝宝照片

更多图表见正文……