上世纪末，互联网传入中国，轰轰烈烈的中国互联网产业开始酝酿，新闻门户、社交、游戏、视频、外卖、出行等领域风生水起。教育是互联网渗透较慢的一个行业，但其实起步不晚，1996年以101网校为代表的第一批远程教育网站就已经开始出现了，只不过那时互联网技术本身不成熟，教育行业又具有非常强的顽固性，因此产品体验很差。经过对产品和商业模式的漫长探索，直到2013年在线教育行业创投热潮开启，大量资金和人才涌入，在线教育才开始蓬勃发展，并于2017年借助“直播”形式实现了规模化变现。2018年，随着竞争格局初步形成以及国家政策的介入，整个行业开始迈向初步成熟阶段,2019年人工智能AI教育进入行业大浪潮。
计算机视觉实现了计算机“看得懂”，人脸识别、OCR和图像结构化是其主要应用场景。计算机视觉是用计算机模拟人眼对目标进行识别、跟踪和测量，并且对图形进行处理，即实现计算机“看得懂”。计算机视觉处理过程包括预处理、分割、特征提取和分类四个环节： 预处理主要对图像传输过程中的退化进行改善（如亮度、色彩和对比度），切割将图像分成互补重叠而又具有各自特征的子区域，特征提取描绘边缘的方向密度分布，分类根据算法模型给出类型结果。计算机视觉可用于以下领域：人脸识别：基于人的脸部特征信息进行身份识别，用于门禁考勤、身份认证、人脸对比等。
静态物体识别技术趋于成熟 ，监督学习和推理能力是计算机视觉技术的主要短板。从技术成熟度来看，生物特征（人脸、指纹和瞳孔）和静态物体识别较为成熟，动态图像识别难度较大。从图像识别技术瓶颈来看，1）现有技术难以解决光线过爆和过暗问题。2）图像识别分类主要依赖监督学习（利用标记训练数据来推断分类），即机器学习需要手工标注物体特征，数据标注的体量和数量受限使计算机可识别的物体种类有限。3）现有技术仍然由数据驱动，因此计算机视觉技术缺乏基于常识的推理能力。
而全品的核心技术优势就是远距离毫秒级动态人脸识别算法，支持人员自由行走的情况在光线过爆和过暗也可以动态检测人脸，并与数据库中人脸进行比对，识别出身份以后，语音问候，控制门禁开关同时预警同通知。
全品中英文公式混合识别试题入库工具OCR：计算机读取印在或写在纸上的字，实现文字的快速录入。图像结构化：提取图片中的各种数学物理化学公式，使得图片的信息可以被计算机搜索和查询，并对各种、人体属性及其行为进行分析。针对数学题目，自动分割公式图片，将公式图片转换成可编辑的LaTeX的结构，并在前端展示，把将中英文LaTeX还原成原图。识别技术辅以一定的人工操作，完整还原图片信息，通过算法高效提供生产率，减少人工录入的成本，打造高效数字工厂。在如出现纸张形变 、褶皱、扭曲、纸面透视严重等问题时，通过深度学习模型和图像算法，可以解决以上出现的问题，并解决公式检测不准确的问题，精准的检测出公式的位置，对公式图片转换成可编辑的LaTeX结构，解决行业的难点。
来源：https://blog.csdn.net/weixin_42014841/article/details/99547363