深耕智能制造和超高清视频领域,思谋科技获数千万美元融资

540 篇文章 14 订阅
251 篇文章 17 订阅

6月29日,思谋科技对外宣布完成数千万美元Pre-A轮融资,由IDG资本领投,真格基金和联想创投跟投。据悉,本轮融资主要用于基于AI技术的智能制造、超高清视频等系统产品研发、人才招聘和市场拓展。

思谋科技成立于2019年12月,由计算机视觉AI领域国际顶尖专家、香港中文大学终身教授、前腾讯杰出科学家及优图实验室负责人贾佳亚创立,公司将致力于AI、5G等技术在智能制造、超高清视频领域的运用,并通过AI体系架构的研发和落地,突破单一算法能力升级的局限,助力产业实现全面数字化、自动化和智能化。目前,思谋科技已布局深圳、香港、上海三地,预计今年公司规模将超200人。

深耕两大领域,挖掘AI新蓝海

今年以来,国家从宏观战略层面全面推进新型基础设施建设,陆续在5G、AI、工业互联网、大数据中心领域研究出台相关政策举措。新基建概念在资本市场逆势走强,同时也将成为未来几年社会经济发展的主旋律。

思谋科技方面称,其瞄准的工业制造和超高清视频两大领域,与“新基建”的方向不谋而合。“越是基础设施、关系到国家和社会生产力的部分,越需要我们的综合科技能力全面落地,解决经济生产里缺人力、浅智能的问题。”谈到创立思谋的初衷,贾佳亚说道。

目前,思谋已研发出SMore InSight智能制造、SMore Media超高清视频两大核心解决方案。其中,SMore InSight智能制造解决方案把AI检测作为一个重要模块,旨在解决复杂的缺陷检测问题,打通生产全自动化的“最后一环”,其检测指标的极高精度要求,在部分项目中已经实现完全的人工替代。在超高清视频方面,SMore Media解决方案基于思谋团队利用AI和视觉建模进行高清图像视频处理、增强、理解的核心本领,致力于解决5G+8K全产业链流程中的“卡脖子”核心路段。

思谋不仅拥有超高清视频AI处理的先进算法,也正在积极布局研发用于8K超高清视频画质增强与理解的AI处理器,可为客户提供软硬一体化解决方案,将为电视电影、文教娱乐、智能终端营销、智能交通、医疗健康等行业提供生产力工具,加速超高清视频产业在5G时代的新一轮突破和发展。

据了解,目前思谋科技的产品已经在半导体、3C精密电子、新能源汽车、视频画质增强等行业落地应用。

谈及AI助力新基建,思谋科技联合创始人、CEO沈小勇博士表示,新基建的精髓在于“新”字。可以看到,互联网、AI已经改变了我们日常生活各个方面,但是对于生产方式、基础设施的创新作用还没有完全发挥。在新基建的浪潮下,AI将与生产力的核心部分更加深入地融合,像半导体、芯片、超高清显示这些领域,中国不会再走国外传统的发展路径了,通过AI赋能助阵,能让我们研发和生产的效率空前提升、试错成本显著降低,同时将大大加快国产替代的步伐。

“自顶向下”切入市场,推动产业与技术全面结合

目前,大部分AI公司都是通过单点算法开发来解决具体问题,遇到一个新的问题,就需要重新开发一套算法,这就导致了市面上AI产品同质化严重,新产品的开发周期长,研发成本居高不下。

贾佳亚认为,AI产业目前亟需进行AI体系架构的创造性重构,而不仅是单点算法的突破。未来,思谋科技将“自顶向下”进行技术和产品研发,通过一系列世界领先的算法和工程能力,打造新一代AI体系架构和服务,从攻破行业的核心难点开始,由点及面打通不同场景,推动产业与技术更加全面紧密地结合。

“这正是思谋科技最终想要解决的问题,”贾佳亚表示,“我们要思考现在的技术手段,谋划未来的行业发展,以服务产业为中心,不仅要smart(智能),还要more(远见),这既是产业的期望与要求,也是我们的方向与使命。”

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值