僅在社交網路上，每天就有超過20億張圖片被分享。研究表明，一個人要花十年的時間才能看完Snapchat（色拉布）上所有的照片。這是一項相當乏味的任務，而且遠遠超過了人類的能力。媒體購買者和提供者在安排相關內容時遇到困難，分析影象/視訊的組成部分，並以有效的方式生成內容定義投資回報。快速、準確、自動地獲取多媒體的洞察力（也就是元資料、組成、類別、顏色）一直是一個挑戰。NVIDIA有許多客戶和生態系統合作伙伴解決這個問題，使用NVIDIA DGX作為深度學習（DL）驅動影象識別的首選平臺。Imagga是該生態系統中有名氣的品牌之一，它是提供深度學習驅動的影象識別和影象處理解決方案的先驅，該解決方案構建於世界上第一臺個人人工智慧超級計算機NVIDIA DGX Station。

與影象識別相關的重要術語

機器學習（Machine learning，ML）是一種人工智慧的手動實現方法，允許使用近似智慧的演算法和我們每天都能聽到的常用語。ML使用演算法來分析資料，從中學習並幫助預測結果。

深度學習（Deep learning，DL）是ML的一個子集，或者說是一種實現ML的技術，隨著開發人員利用神經網路的能力來發現洞察力，正在迅速取代工業，在沒有人工手動編碼功能的情況下自動檢測模式是新的聖盃。

計算機視覺（Computer vision，CV）通過使用感測器和影象處理器來匹配人眼的能力，使計算機能夠識別影象，ML和CV之間略有重疊。隨著CV有助於處理每天產生數量驚人的視覺影象變得很重要。

影象處理（Image processing）是對影象執行某些操作（增強或壓縮）以提取有用資訊的一種方法。ML可用於計算機視覺和影象處理。

影象識別（Image recognition）是另一個術語，用於描述識別和檢測影象或視訊中的物件或特徵的過程。有些人認為計算機視覺與影象識別相同，但計算機視覺更廣泛，包括物件識別、字元識別和文字/情感分析。將影象識別與面部檢測聯絡在一起是很常見的，但它還有更多的含義。

Imagga主要功能

分類/場景分類：自動將圖片進行分類。例如，將照片按照山，海灘，寵物等進行分類。Imagga更強大的功能之一，是為特定用例和垂直方向訓練特定分類器，從個人照片到植物識別到垃圾分類。

識別主要物件：識別影象中的主要物件。

自動標籤照片：用不同的關鍵詞來標註多個物件來幫助照片的排序、獲取進行統計。

提取顏色：識別影象中的代表色，包括對所需要的前景和背景顏色進行單獨識別。

分析構圖：自動檢測照片中最具視覺趣味性的區域，並最終實現對這些感興趣區域的智慧裁剪。

面部識別人臉：識別人臉並將其聚集到虛擬人物中，便於組織機構更好的對個人照片和社交媒體進行監控。

視覺相似性搜尋：在一個集合中提取影象的特徵，在一個集合中提取影象的特徵，並允許其基於視覺、語義相似度進行搜尋，以及類似的照片/產品建議。