关于效率，办公室里常常有这样的讨论，大家对效率的重要性都一致认可。但对于如何保持效率却各有见解。有的人认为不被情绪占据主动能够帮助保持效率，有的人认为员工支配自己的自由能引导更高的效率，有的人认为制度才是保证效率的底线。

而新晋女孩小A对效率却有自己的秘密武器，那就是好朋友程序员小B。小B供职的互联网公司最近开发出新的智能视觉识别产品，身为产品负责人的小B发现这套产品恰恰偶尔也帮好朋友解决问题。

有时候，可能是小A老板的奇葩需求。

比如这样：

也有这样：

甚至有时候还能解决些生活问题：

而这套神奇的智能视觉识别产品，就是数美科技最新推出的——视觉业务标签。

在当今各种互联网产品发展中，图像的智能分类成为智能推荐算法和批量管理的基础需求，如何对用户发布、上传的图片行进细致分类的标签化是主要的技术难点。因此，数美科技的视觉业务标签应运而生。

目前，许多平台为了精准往往采用人工打标的方式对图片进行标注。但不可忽视的是，人工标注相比视觉业务标签的智能识别打标存在以下缺点：

1.产能低

据测算，行业内人工图像打标的普遍速率在6秒/张，而在这项数据上视觉业务标签可以达到0.05秒/张乃至更低，这就意味着在相同时间内视觉业务标签的处理量可以达到人工的120倍。同时，由于机器审核的高度自动化，能够保证7*24小时在线，日均处理量能够达到人工打标的300倍以上。

2.标准难统一

相较于机器打标，人工打标的标准在理解上往往是参差不齐的，很容易出现“一千个人就有一千个哈姆雷特”的情况。而且标签体系往往是随着当下的社会潮流时刻变动的，随时可能出现新的热词。针对标签体系的理解差异和实时波动，人工打标的最好应对方法便是做好培训体系，相比机器学习的模型训练工作这无疑增加了巨大的成本。

据数美科技统计计算，随着需要培训的标签个数的增加，人工打标的培训成本呈现指数型增加趋势，而机器学习模型训练的成本则呈现线性增加，且均低于人工打标。由此可见，在社交平台等需要及时响应社会潮流的场景下，视觉业务标签能够以更低的成本达到更强的适应能力。

标签培训成本对比图

3.成本高

除了培训成本外，数美科技同样调研统计了两种打标方式的使用成本。从图中可以看出，随着图片处理量的量级不断增加，两种打标方式的成本差也不断增加。如今，各平台往往要承担巨大的图片流量，视觉业务标签在大量处理的场景下表现出优秀的使用经济性。

使用成本对比图

据目前正在内部试用的客户反馈，当按照每天50万张的处理量，传统人工打标需要大概100人左右的团队进行处理，而引入视觉业务标签后仅需不到7小时便可自动处理完毕，而综合成本核算仅为人工打标的十分之一。

视觉业务标签产品结构图

视觉业务标签是数美科技数年来深耕视觉识别领域的心血结晶，能够通过大数据和机器学习，提供图像视觉内容的在线精准识别和实时标签返回服务，以此为图像的智能推荐、分类和管理提供底层基础，更支持个性化的定制服务。