36Kr-计算机视觉行业研究报告-机器之眼, 看懂世界.pptxVIP

机器之眼, 看懂世界;目 录 Contents;;;计算机视觉作为计算机的眼睛，是机器认识世界、看懂世界的一种 方式。而认识世界、看懂世界是人工智能产品或方案不可或缺的重 要部分。唯有看见，才能够做出分析判断，进而代替人类完成更多 的任务。它与语音识别、语言识别一并构成了人工智能的感知智能， 让机器完成对外部世界的探测，进而做出判断，采取行动，让更复 杂层面的智慧决策、自主行动成为可能。 基于深度学习算法模型和CPU、GPU等关键硬件的支撑，计算机视 觉技术应用得以实现，并最终集成于多类产品和应用场景之中（如 机器人、无人驾驶等等）。;数据量、运算力和算法模型是影响计算机视觉行业发展的三大要素。 2000年之后，数据量的上涨、运算力的提升和深度学习算法的出现 极大的促进了计算机视觉行业的发展。 要理解数据量的重要性，得先从算法说起。数据量和算法可以分别 比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集 归纳出的识别逻辑，好的算法模型可以实现精准的物体和场景识别。 而数据集的丰富性和大规模性对算法的训练尤为重要。因此可以说， 实现机器精准视觉识别的第一步，就是获取海量而优质的应用场景 数据。以人脸识别为例，训练该算法模型的图片数据量至少应为百 万级别。;在计算机视觉领域，图像、视频作为数据密集型问题，需要大量的 矩阵计算操作，因此特别适合使用并行运算芯片进行数据处理。而 传统的CPU一次只能同时做一两个加减法运算，无法满足并行运算 的需求。;深度学习可以做到传统视觉识别方法无法企及的精度, 它的出现让 视觉识别准确率大大提高。计算机视觉技术的发展大致经历两大阶 段：;;。;Venture Scanner 追踪了全球957家人工智能公司，总融资额为48 亿美金。其中，机器学习、自然语言处理、计算机视觉等认知技术 占据当前市场主导地位。;;;;;生物特征识别技术是一种通过对生物特征的识别和检测从而对人的 身份实行鉴定的技术。从统计的意义上讲，人类的指纹、掌形、虹 膜等生理特征存在着唯一性。因而这些特征都可以作为鉴别用户身 份的依据。目前，生物特征识别主要用于用户身份的鉴定，主要包 括指纹识别、人脸识别、静脉识别、虹膜识别、语音识别等方式。;识别步骤：与其他生物特征识别步骤类似，人脸识别包括图像采集、 检测定位、特征提取、模型对比等步骤。;;光学字符文本识别技术又称OCR技术（Optical Character Recognition)。计算机通过光学设备检查纸上打印的字符，通过检 测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计 算机文字的过程，完成计算机对文字的阅读。;;识别步骤：物体、场景识别是计算机将图片内容与数据库中的资料 进行比对，进而识别图片或视频中的各种物体与场景的识别技术。 识别的过程与人脸识别类似，即通过检测定位、特征提取、三维建 模、模型比对的过程进行物体的识别。下图即为一个典型的驾驶环 境下的物体与场景识别。;;家用机器人：处于产业化初期，整体智能程度低;计算机视觉作为机器感知周围环境的基础技术，对驾驶的自动化起 到重大作用。计算机视觉可以帮助汽车完成:(1）环境数据和地标收 集(2)车道的定位、坡道与弯度的检测(3)交通信号的识别(4)车辆、 行人等运动目标检测.;;监控系统、行为识别、电商营销是目前视频识别与分析应用商业化 较为成熟的三个领域。;;;;;;(2)软硬件一体??技术解决方案 此类企业提供的是具体应用场景的技术解决方案。通过售卖硬件+ 软件服务，更加个性化的满足客户需求。 软硬件结合的优点是能够在前端硬件设备上嵌入算法软件，实现更 快速、更高精度地数据处理。此外，能够让客户更直接的应用视觉 识别技术，避免对接复杂的软硬件的兼容集成。 按照按照是否面对终端客户，视觉技术服务商又可分为：;我们将从事计算机视觉的公司分为三类：工业巨头、互联网巨头和 创业公司，并总结了市场竞争现状与发展预期。;;国内部分创业公司信息梳理（续前页）;? 智能前端化大势所趋：;在人工智能领域，对数据量的重视不能更多。假如把算法比作计算 机视觉的发动机，数据量比作燃料，那么基于应用场景的大数据集 则是优质燃料。;“在人工智能和机器学习上我们已经取得巨大的进步，但是今天就宣 布取得了机器学习的成功就像是「我们爬上了树梢却宣布自己登上了 月球」。“