作者简介：手机行业十余年老兵，微信公众号：ICshare发起人
这两年人工智能一直非常的火，已经上市的公司寒武纪、科大讯飞，快要上市的云从、旷视，正在排队上市的思必驰，准备赴港上市的商汤，以及这两年在资本市场上非常火的地平线、燧原、爱芯元智都在人工智能领域中勇闯自己的市场。
- 图像分类：Image Classification
- 目标检测：Object Detection
- 语义分割：Semantic Segmentation
- 实例分割：Instance Segmentation
- 目标跟踪：Object Tracking
一、图像分类
图像分类主要是将图像中的物体类别判断出来。一般来讲，图像分类不需要给出物体所在位置，也不需要判断所含物体的数量。如下面几张BigGAN自动生成的图像，图像分类只需要告知是狗，山水，蝴蝶和面包即可。
二、目标检测
若需要精确定位出某一物体所在的位置，则需要用目标检测算法。通过目标检测，可以准确的从下图中，找到猫脸的位置。
三、语义分割
语义分割主要是对图像中所有像素点进行分类，并将同类别的像素点打上相同的标签。下图中左图将人进行了分割。右图则是将街景进行分割，对图像中的车，灯杆，树木等分别采用了不同颜色进行进行标注。
四、实例分割
语义分割会为图像中的每个像素分配一个类别，但是同一类别之间的对象不会区分。而实例分割，只对特定的物体进行分类。这看起来与目标检测相似，不同的是目标检测输出目标的边界框和类别，实例分割输出的是目标的Mask和类别。
五、目标跟踪
目标跟踪，是指在特定场景跟踪某一个或多个特定感兴趣对象的过程。
这个过程基本分三步：找到目标物体，对目标物体进行实例分割，在后续帧中找到目标物体，实现相应的目标跟踪。
这个具体过程，从下图中博尔特参加男子百米短跑的例子，就很容易理解。
那既然人工智能，能做这么多事，人工智能在手机上都能有哪些应用呢？
A. 传感器先将图像给到处理单元
B. 先通过目标检测，找到脸
C. 进行人脸对齐，找到五官位置
D. 人脸校准和相速度度量，做判断和决策
相册分类
这个基本就是通过图像分类，就可以实现的。对用户有一定帮助，但是目测作用并不大。
小米的小爱同学，Apple的Siri 都是这方面的楷模，很受用户的欢迎。 本文主要偏视觉方面，语音相关的就不多介绍了。
图像分割
这个双摄是能做到一定的效果，但若通过人工智能的图像分割，可以将需要目标物体更完美的与周边物体分割出来。
通过图像分割，可以实现背景虚化，更换背景等功能。
美颜+虚拟化妆
文字OCR
除了上述几种人工智能的应用外，这两年也陆续开始其他方向的应用
AI HDR
宽动态最主要是为了解决拍照中，同时有亮度过高和亮度过低的部分，通过HDR技术，使得整体亮度均衡。最简单的场景就是黑人和白人同时拍照。
若整体亮度拉高，黑人清楚，但白人就过曝了；但若整体亮度拉低，白人清楚，黑人则看不清了。
通过AI HDR，可以做到比传统HDR 更好的效果，并且有机会通过一些算法，对运动物体进行保护，避免因为HDR的多帧合成，运动物体产生拖影问题
（上图来自华为P30宣传样张）
AI视频降噪
摄像头Senor的感光器件包含模拟部分，所以信号中的噪声很难避免，ADC器件本身也会引入噪声。当光线较暗时，为了调高亮度，整个系统需要将信号放大，这样噪声也跟着放大。传统的降噪主要是WNR（小波降噪）和3DNR。而通过训练，在降噪前，将整个画面进行分割，根据物体特性做专门的降噪，效果会比传统3DNR效果要好。
AI SR（Super Resolution）
超分辨率技术（Super-Resolution, SR）是指从观测到的低分辨率图像重建出相应的高分辨率图像。此技术可以帮助一些模糊的图像，输出清晰的影像。
下图左边是原图，右边是x4的SR 效果
从下图可以看出，各家针对SR也开发出了各种算法， 有好有坏。相信SR算法很快就会有非常优的解法。
AI Depth
AI Depth主要作用就是测量出拍摄物体的高度，长度，以及到摄像头的距离。
这个功能实现后，除了最直接的作用：为物体测距测长度外，还可以帮助用户做出更准确的物体分割，从而实现更好的拍照虚化，换背景等功能。
不过此功能若想准确，跟传统Depth测法一样，还是需要双camera加持。
可以看出来，随着人们的研究，算法也层出不穷，这些都对主控SoC 提出了更高的考验。高通最新SoC SM8450和联发科天玑2000 都是基于 v9 架构半定制，1个X2 超大核 + 3个A710 大核 + 4个A510 小核的8核配置，4nm工艺。在此同时，高通和联发科也不忘升级NPU性能增加算力。