1. Tecnología de big data
Big data, un término de la industria de TI, se refiere a una colección de datos que no pueden ser capturados, administrados y procesados por herramientas de software convencionales dentro de un rango de tiempo determinado. . Es un activo de información enorme, de alto crecimiento y diversificado que requiere un nuevo modelo de procesamiento para tener un mayor poder de toma de decisiones, capacidades de conocimiento y descubrimiento, y capacidades de optimización de procesos.
2. Tecnología de reconocimiento de imágenes
El reconocimiento de imágenes es una tecnología en la que las computadoras procesan, analizan y comprenden imágenes para identificar objetivos y objetos de diferentes patrones. El proceso de reconocimiento incluye preprocesamiento de imágenes, segmentación de imágenes, extracción de características y juicio de coincidencia. En pocas palabras, el reconocimiento de imágenes es la forma en que una computadora lee el contenido de una imagen como un humano.
3. Tecnología de reconocimiento de escritura a mano
Debido a los diferentes métodos de recopilación de datos, el reconocimiento de escritura a mano se puede dividir en reconocimiento de escritura a mano sin conexión y reconocimiento de escritura a mano en línea. Los caracteres escritos a mano procesados mediante el reconocimiento de escritura a mano en línea son las señales de escritura obtenidas por el escritor a través de dispositivos físicos (como bolígrafos digitales, tabletas digitales o pantallas táctiles), y los rastros de escritura se ingresan inmediatamente en la computadora mediante un muestreo cronometrado. Los caracteres escritos a mano procesados mediante el reconocimiento de caracteres escritos a mano fuera de línea son imágenes bidimensionales de caracteres escritos a mano recopiladas por equipos de adquisición de imágenes, como escáneres o cámaras.
4. Tecnología de aprendizaje profundo
El aprendizaje profundo es un nuevo campo basado en el aprendizaje automático. Se trata de una serie de nuevos algoritmos que se originaron a partir de algoritmos de redes neuronales inspirados en la estructura del cerebro humano y se desarrollaron con el aumento de la profundidad de la estructura del modelo, acompañados por la mejora de los big data y la potencia informática. El concepto de aprendizaje profundo fue propuesto y propuesto por el famoso científico Geoffrey Hinton y otros en artículos publicados en la revista Science en 2006 y 2007.
El aprendizaje profundo se utiliza actualmente en el procesamiento de imágenes y visión por ordenador, el procesamiento del lenguaje natural y el reconocimiento de voz. Desde 2006, la investigación y aplicación del aprendizaje profundo en colaboración entre el mundo académico y la industria ha logrado grandes avances en los campos mencionados. Tomando como ejemplo la competencia de reconocimiento de objetos en imágenes clásicas basada en ImageNet, derrotó todos los algoritmos tradicionales y logró una precisión sin precedentes.