2022年端边云协同的AI视觉产业研究报告.docxVIP

下载本文档

0
0
约7.53千字
约 12页
2024-10-18 发布于上海
举报
版权申诉

2022年端边云协同的AI视觉产业研究报告.docx

1、本文档共12页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

智能视觉应用快车道

端边云协同的AI视觉产业研究报告

?2022.9iResearchInc.

摘要

AI视觉产业背景：AI视觉又称计算机视觉，得益于深度学习技术的快速发展，已于安防、金融、制造、零售等多领域实现规模化商用。2022年，AI视觉相关投融资热潮全面复苏，通用技术、工业与零售赛道热度高企，持续受到资本青睐。2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。从资本热度、市场规模、场景泛用、带动作用来说，AI视觉已成为AI产业发展的主战场，未来增量动力依然强劲。

端边云协同的需求趋势：数字经济时代，物联网感知数据量激增，边缘计算刚需场景涌现。边缘计算可在本地提供IT服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。

端边云协同的AI视觉产业：产品模式一般可分为标准化SaaS产品与定制化解决方案两类。行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择。具体到边缘侧部署上，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景；若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器。本篇报告根据行业特点与场景需求，对安防、工业、零售、机器人、农业领域展开讨论。

端边云协同的技术与生态趋势：1）端边云协同的AI视觉产业发展依赖于联邦学习、增量学习、协同推理等边缘AI技术发展；2）端边云协同的AI视觉应用对算力和网络部署提出了要求，算力网络技术发展将助力超低时延类AI视觉应用；3）边缘计算将进入黄金发展期，在满足灵活响应、敏捷部署、时延成本的业务需求外，未来需进一步关注边缘服务的安全、可靠、可信等能力，构建“可信边缘计算”生态

来源：艾瑞咨询研究院自主研究及绘制。

?2022.9iResearchInc. 2

AI视觉产业背景1端边云协同的需求趋势2端边云协同的AI视觉产业分析3典型厂商案例4

AI视觉产业背景

端边云协同的需求趋势

端边云协同的AI视觉产业分析

典型厂商案例

端边云协同的技术与生态趋势

来源：艾瑞咨询研究院根据公开资料自主研究及绘制。?2022.9iResearch

来源：艾瑞咨询研究院根据公开资料自主研究及绘制。

?2022.9iResearchInc.

PAGE4

，AI视觉关键任务

，

又称计算机视觉，关键任务聚焦语义感知与定位追踪

视觉使人类得以感知和理解周边的世界，人类的大脑皮层约有70%都在处理视觉信息，可以说视觉是人类获取信息最主要的渠道。而AI视觉即通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。如今AI视觉（计算机视觉）包括了语义感知、定位追踪和几何属性等诸多不同研究方向。

AI视觉关键任务

狗

鸭子

猫

狗

鸭子

物体识别：对车牌、文本的内容进行物体识别

人脸识别、指纹识别、行为识别、虹膜识别

等有关人体相关识别

以行为识别为例

AI视觉

语义感知

定位追踪

几何属性

分类

图像分类是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层视觉任务的基础，根据图像的语义信息对不同类别图像进行区分。

分割

图像分割解决“每一个像素属于哪个目标物或场景”的问题，以简化或改变图像的表示形式，使得图像更容易理解和分析，分为语义分割和实例分割。

定位

利用计算视觉技术找到图像中某一目标物体在图像中的位置，即定位。

追踪

目标追踪旨在追踪随着时间不断移动的对象，使用连续视频帧作为输入。

猫

检测

物体检测，从图像中输出单个目标的BoundingBox（边框）以及打标签用框去标出物体的位置，并给出物体的类别进行分类。

识别

猫

3D建模

视觉SLAM

（即时定位与地图重建）

增强现实

涉及3D目标感

（认）知与重建，与机器人、AR等应用息息相关，侧重AI视觉的几何属性

AI视觉发展历程

得益于深度学习技术，AI视觉处于商业应用扩展增速期

自2012年采用深度学习架构的AlexNet模型以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠。得益于深度学习所需专家分析和微调较少、能够处理海量数据、具备高灵活性等优势，深度学习技术在目标检测、目标跟踪、图像分割、场景分类、字符识别、人脸识别、姿态估计、动作与行为识别等方向上陆续取得了多项突破性成果。AI视觉在工业界逐步实现商用价值，步入规模化商业落地阶段。同时，随着相关设备能力的改善（如算力、内存容量、能耗、图像传感器分辨率和光学器件），提升了视觉应用的性能和成本效益，进一步加快