在过去几年，全球的数据量以每年58%的速度快速增长，类型也不断丰富，模型训练拥有海量的优质样本， 但更大的挑战来自于算法和硬件计算架构，为此，坤前提出了基于深度卷积神经网络的图像、语音、文字识别软硬件一体化解决方案。
图像识别指用视觉传感器（摄像头）和计算机来模拟人眼和大脑，进行物体识别、跟踪和测量， 进而做图形处理让计算机理解真实世界。图像识别技术有很多应用场景，如：人脸识别、拍照识别、物体识别等等。
基于深度学习的图像识别技术发展痛点
用来训练识别模型的样本数据不足，使得模型精准度往往不高;
图像识别算法不够先进，还主要停留在浅层训练的机器学习阶段;
计算机集群性能不够，计算用时太长，大大拉长了研发周期、拖慢产品进程。