版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
机构投资者使用报告|行业动态报告请仔细阅读在本报告尾部的重要法律声明SAM领域的ChatGPTSAM领域的ChatGPT示的分割系统,可对不熟悉的对象和图像进行零样本泛化,无可以在不需要额外训练的情况下对不熟悉的物体和图像进行零泛化。SAM训练模型实为CV领域的数据引擎,参数方面的高级功能是其对通过使用模型在环“数据引擎”收集的数百万张图像和SAM生产力的双手我们认为SAM对机器视觉会产生革命性的影响,原因是从机器视且我们AI原因是感知需要将数据转换成特征向量。就智能驾驶而言,图像分割是深域机工业信息20%-6%-15%-24%2022/032022/062022/092022/122023/03计算机沪计算机分析师:刘泽晶SACNOS0520020002投资建议:SAM器视觉产生革命性的影响,我们认为以下应用领域有望受益:1)智能驾驶,受益标的为中科创达、虹软科技、光庭信息、四维图新、东软集团等;2)安防领域,受益标的为海康威视、当虹科技、大华股份等;请仔细阅读在本报告尾部的重要法律声明2报告|行业动态报告4)工业质检领域,受益标的为凌云光、用友网络、奥比中光长盈精密等;6)地理信息化领域,受益标的为航天宏图、中科星图、超图软D仿真领域,受益标的为华如科技、霍莱沃等;风险提示核心技术水平升级不及预期的风险;AI伦理风险;政策推进不预期的风险;中美贸易摩擦升级的风险。请仔细阅读在本报告尾部的重要法律声明3报告|行业动态报告1.ChatGPT:SAM,机器视觉领域的ChatGPT 42.SAM实为解放生产力的双手 73.投资建议:梳理AIGC相关受益厂商 94.风险提示 9MetaAISAM型 4图表2SAM进行自动分割 4图表2SAM可以实现与其他系统的灵活集成 5图表3SAM进行可拓展输出示意图 5图表5SAM零样本泛化功能 6图表6SAM模型部分数据集 6图表7SAM模型具有高效灵活的特性 7图表7智能驾驶深度学习流程示意图 8图表10智能驾驶图像分割示意图 8图表11智能驾驶分割神经网络流程图 8请仔细阅读在本报告尾部的重要法律声明4报告|行业动态报告SAMChatGPTMetaAIAI一下即可“切出”任何图像中的任何对象。客户SAMSAM悉的对象和图像进行零样本泛化,无需额外训练。图表2SAM进行自动分割SAM优势众多,第一,SAM的提示设计可实现与其他系统的灵活集成。例如SAM可以从其他系统获取输入提示,例如在未来从AR/VR耳机获取用户的注视以请仔细阅读在本报告尾部的重要法律声明5报告|行业动态报告图表3SAM可以实现与其他系统的灵活集成频中跟踪对象遮罩、启用图像编辑应用程序、提升为概念,这种理解可以在不需要额外训练的情况下对不熟悉的物体和图像进行零样SAMCV因CV初始步骤,即模型的预训练,需要花费极高请仔细阅读在本报告尾部的重要法律声明6报告|行业动态报告使用模型在环“数据引擎”收集的数百万张图像和掩码进行训练的结果。研究人员使用SAM及其数据以交互方式注释图像并更新模型。这个循环重复多次以改进模型和数据集。认为此举具备跨时代的意义,原因是我们认为其精度已经具备多领域所必须的图Meta包括在约1100万个练了3-5天,推理部分,可在NVIDIAA100GPU上,图像编码器大约需要0.15图表6SAM模型部分数据集,此过程只需几毫秒内在网络浏览器中运行即可。请仔细阅读在本报告尾部的重要法律声明7报告|行业动态报告我们反复强调SAM对计算机视觉领域会产生革命性的影响:原因是从机器视前期,且我们认为感知在AI机器数据转换成特征向量。因此SAM命性的影响。SAM解放生产力的双手:我们在《智能驾驶大的第一请仔细阅读在本报告尾部的重要法律声明8报告|行业动态报告图表8智能驾驶深度学习流程示意图传统的图像(语义)分割需要深度的神经网络学习:语义分割是将标签类别与图片的每个像素关联的一种深度学习算法,智能驾驶里至关重要,因为边界目标、行人、交通信号等。如左图所示,图A、B、C是前置图像分割一个常用的方法是一个基于卷积神经网络的架构,如右图所示。由有神经网络的架构上,追加一个神经网络的逆向实现,向上采样的过程的执行次数与向下采集的过程相同,以确保最终图像的大小与输入图像相同。最后使用像素分类输出层,将每个像素映射到一个特定类,从而实现语义分割。图表9智能驾驶图像分割示意图图表10智能驾驶分割神经网络流程图M请仔细阅读在本报告尾部的重要法律声明9报告|行业动态报告预训练所需的时间、人力成本有望大幅降低,成为真正意义上的解放生产力的双SAM我们认为以下应用领域有望受益:1)智能驾驶,受益标的为中科创达、虹软科技、光庭信息、四维图新、东软2)安防领域,受益标的为海康威视、当虹科技、大华股份等;3)家用摄像头与机器人领域,受益标的为科沃斯、石头科技等;4)工业质检领域,受益标的为凌云光、用友网络、奥比中光等;6)地理信息化领域,受益标的为航天宏图、中科星图、超图软件等;D仿真领域,受益标的为华如科技、霍莱沃等;4.风险提示预期的风险;推进不及预期的风险;4、中美贸易摩擦升级的风险。报告|行业动态报告请仔细阅读在本报告尾部的重要法律声明10分析师与研究助理简介刘泽晶(首席分析师):2014-2015年新财富计算机行业团队第三、第五名,水晶球第三名,分析师承诺作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力,保证报告所采基于作者的职业理解,通过合理判断并得出结论,力求客观、声明。评级说明公司评级标准投资评级说明此期间股价相对上证指数在-5%—5%之间行业评级标准%在此期间行业指数相对上证指数在-10%—10%之间%华西证券研究所:报告|行业动态报告请仔细阅读在本报告尾部的重要法律声明11华西证券免责声明华西证券股份有限公司(以下简称“本公司”)具备证券投资咨询业务资格。本报告仅供本公司签约客户使用。本公司不会因接收人收到或者经由其他渠道转发收到本报告而直接视其为本公司但本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载资料、意见以及推测仅于本报告发布当日的判断,且这种判断受到研究方法、研究依据等多方面的制约。在不同时期,本公司可发出与本报告所载资料、意见及预测不一致的报告。本公司不保证本报告所含信息始终保持在最新状态。同时,本公司对本报告所含信息可在不发出通知的情形下做出修改,投资者需自行关在任何情况下,本报告仅提供给签约客户参考使用,任何信息或所表述的意见绝不构成对任何人的投资建议。市场有风险,投资需谨慎。投资者不应将本报告视为做出投资决策的惟一参考因素,亦不应认为本报告可以取代自己的判断。在任何情况下,本报告均未考虑到个别客户的特殊投资目标、财务状况或需求,不能作为客户进行客户买卖、认购证券或者其他金融工具的保证或邀请。在任何情况下,本公司、本公司员工或者其他关联方均不承诺投资者一定获利,不与投资者分享投资收益,也不对任何人因使用本报告而导致的任何可能损失负有任何责任。投资者因使用本公是独立行为,与本公司、本公司员工及其他关联方无关。本公司建立起信息隔离墙制度、跨墙制度来规范管理跨部门、跨关联机构之间的信息流动。务请投资者注意,在法律许可的前提下,本公司及其所属关联机构可能会持有报告中
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025年喜剧作者与剧团合同
- 2025版苗木种植与养护一体化服务合同8篇
- 2025年大件货物圆通快递合同
- 二零二五年度智慧交通模块八交易磋商与合同签订要点4篇
- 2025年家庭驾驶员服务合同
- 2025年度木材加工产业园区合作开发合同样本3篇
- 二零二五年度农药生产环境监测与治理合同4篇
- 2025年度能源行业专用钢管材料供应合同3篇
- 2024年度黑龙江省公共营养师之三级营养师考前冲刺模拟试卷B卷含答案
- 2024年度陕西省公共营养师之四级营养师模拟预测参考题库及答案
- 中央2025年国务院发展研究中心有关直属事业单位招聘19人笔试历年参考题库附带答案详解
- 2024年09月北京中信银行北京分行社会招考(917)笔试历年参考题库附带答案详解
- 外呼合作协议
- 小学二年级100以内进退位加减法800道题
- 保险公司2025年工作总结与2025年工作计划
- 2024年公司领导在新年动员会上的讲话样本(3篇)
- 眼科护理进修专题汇报
- 介入手术室感染控制管理
- 2024北京初三(上)期末英语汇编:材料作文
- 2024年大型风力发电项目EPC总承包合同
- 礼仪服务合同三篇
评论
0/150
提交评论