微软这款应用，用人工智能帮你认花
想象一下，你是一个植物爱好者，但却在野外遇到了一种不认识的花，这个时候微博 @ 博物君效率就太低了，而且还有可能没信号。这款“微软识花”，想替你解决这个问题。
这个应用建构在两层基础上。首先第一层是微软亚洲研究院的图像识别技术。和微软小冰上能识别你吃了什么菜，含有多少热量的技术类似，微软的图像识别也是利用深度学习功能，通过大量的数据训练的算法。
在“微软识花”这个应用里，微软和中国科学院植物研究所合作，后者提供了超过 260 万张花卉的照片，用来训练微软的人工智能算法。但是因为花卉的形状很复杂，在没有人工干预的情况下训练的结果并不好。中科院植物研究所另外提供了中国常见的花卉列表，配合这个列表，微软的人工智能最终只实现了和人类看东西类似的效果：先“看”到大致形状，然后是高对比度的细节，最后是整体的过程。
这个 App 具体怎么用？打开微软识花，主界面上有三个按钮： 拍照、选择照片和搜索。拍照就是现场拍一张照片识别，选照片就是选一张旧照识别，搜索就是知道名字的情况下搜具体的花。
具体识别的效果怎么样呢？对于一般常见的花，比如康乃馨、百合、向日葵，识别准确度自然是相当的高，但是遇到花序比较繁复、丛生的品种，就比较困难了。以不常见的花来举例，通常是单株生长的茑萝，识别率就非常高，但是遇到丛生的丁香，就很容易识别成其他类似的花卉。
另外，照片拍摄的角度和识别率也很有关系。从上向下拍摄一朵完全盛开的花，识别率会相对高一些，从侧面拍一朵特征不明显的花，最后的结果可能只是一朵颜色比较类似的。
在试用的过程里还发现，花卉的颜色对结果也会有一些干扰。比如红花忍冬这个品种，因为红色的忍冬只此一种，所以应用始终不认识这种花，但是其实系统中是有忍冬这个品种的，但示例图片是常见的白色。总的来说，人工智能的图像识别还是和学习的样本量关系很大，想做到像植物专家那样的准确率，还是有点难。
微软识花应用的第二层基础是植物出版社出版的《中国植物志》。识别花卉之后显示的介绍页面上显示的花卉资料，就来自这本书。但是作为普通的用户，这本书上介绍的内容有点太艰深了，比如“番薯属，旋花科，多年生缠绕草本植物，大多无毛”这样的，反而没有常用名，分布地区，能不能吃之类的内容。
但是相信如果你要在接下来的假期出去玩，这个应用还是能帮上忙的：应用大小 110 MB，整个识别过程和资料都是离线的，在没有信号的地方也可以使用。
来源：好奇心
这个应用建构在两层基础上。首先第一层是微软亚洲研究院的图像识别技术。和微软小冰上能识别你吃了什么菜，含有多少热量的技术类似，微软的图像识别也是利用深度学习功能，通过大量的数据训练的算法。
在“微软识花”这个应用里，微软和中国科学院植物研究所合作，后者提供了超过 260 万张花卉的照片，用来训练微软的人工智能算法。但是因为花卉的形状很复杂，在没有人工干预的情况下训练的结果并不好。中科院植物研究所另外提供了中国常见的花卉列表，配合这个列表，微软的人工智能最终只实现了和人类看东西类似的效果：先“看”到大致形状，然后是高对比度的细节，最后是整体的过程。
这个 App 具体怎么用？打开微软识花，主界面上有三个按钮： 拍照、选择照片和搜索。拍照就是现场拍一张照片识别，选照片就是选一张旧照识别，搜索就是知道名字的情况下搜具体的花。
具体识别的效果怎么样呢？对于一般常见的花，比如康乃馨、百合、向日葵，识别准确度自然是相当的高，但是遇到花序比较繁复、丛生的品种，就比较困难了。以不常见的花来举例，通常是单株生长的茑萝，识别率就非常高，但是遇到丛生的丁香，就很容易识别成其他类似的花卉。
另外，照片拍摄的角度和识别率也很有关系。从上向下拍摄一朵完全盛开的花，识别率会相对高一些，从侧面拍一朵特征不明显的花，最后的结果可能只是一朵颜色比较类似的。
在试用的过程里还发现，花卉的颜色对结果也会有一些干扰。比如红花忍冬这个品种，因为红色的忍冬只此一种，所以应用始终不认识这种花，但是其实系统中是有忍冬这个品种的，但示例图片是常见的白色。总的来说，人工智能的图像识别还是和学习的样本量关系很大，想做到像植物专家那样的准确率，还是有点难。
微软识花应用的第二层基础是植物出版社出版的《中国植物志》。识别花卉之后显示的介绍页面上显示的花卉资料，就来自这本书。但是作为普通的用户，这本书上介绍的内容有点太艰深了，比如“番薯属，旋花科，多年生缠绕草本植物，大多无毛”这样的，反而没有常用名，分布地区，能不能吃之类的内容。
但是相信如果你要在接下来的假期出去玩，这个应用还是能帮上忙的：应用大小 110 MB，整个识别过程和资料都是离线的，在没有信号的地方也可以使用。
来源：好奇心
