電子發(fā)燒友網(wǎng)報(bào)道（文/李彎彎）在人工智能技術(shù)中，計(jì)算機(jī)視覺(jué)較早發(fā)展并取得突破，目前應(yīng)用場(chǎng)景也較為明確。計(jì)算機(jī)視覺(jué)在人工智能中占據(jù)重要市場(chǎng)地位，未來(lái)市場(chǎng)空間廣闊。

根據(jù)iResearch數(shù)據(jù)，2019年國(guó)內(nèi)計(jì)算機(jī)視覺(jué)核心產(chǎn)業(yè)規(guī)模和帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模分別為633.3億元和1438.6億元，占人工智能核心產(chǎn)業(yè)和帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模的比重分別達(dá)到58.2%和37.6%。預(yù)計(jì)至2025年國(guó)內(nèi)計(jì)算機(jī)視覺(jué)核心產(chǎn)業(yè)規(guī)模和帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模將分別增長(zhǎng)至1537.1億元和4858.4億元，年均復(fù)合增長(zhǎng)率分別為15.9%和 22.5%。

資料來(lái)源：iResearch

計(jì)算機(jī)視覺(jué)主要應(yīng)用領(lǐng)域有哪些

計(jì)算機(jī)視覺(jué)是使用計(jì)算機(jī)模仿人類視覺(jué)系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類提取、處理、理解、分析圖像以及圖像序列的能力。大致可以分為這么幾類：目標(biāo)檢測(cè)、圖像分割、圖像增強(qiáng)、圖像生成、人臉?lè)诸愖R(shí)別、姿態(tài)估計(jì)、立體視覺(jué)等。

產(chǎn)業(yè)鏈可分為基礎(chǔ)層、技術(shù)層和應(yīng)用層?；A(chǔ)層包括硬件支持、算法支持和數(shù)據(jù)集；技術(shù)層包括視覺(jué)技術(shù)平臺(tái)、視頻識(shí)別、圖片識(shí)別和模式匹配；應(yīng)用層包括計(jì)算機(jī)視覺(jué)技術(shù)在智慧城市、智慧安防、智慧物流、智慧金融、手機(jī)終端和智慧商業(yè)等領(lǐng)域的應(yīng)用。

過(guò)去幾年，隨著人工智能深度學(xué)習(xí)算法快速成熟，國(guó)內(nèi)涌現(xiàn)出了大批基于計(jì)算機(jī)視覺(jué)算法技術(shù)的人工智能企業(yè)，根據(jù)艾瑞咨詢的數(shù)據(jù)，從2017年到2020年10月國(guó)內(nèi)計(jì)算機(jī)視覺(jué)相關(guān)業(yè)務(wù)的獲投企業(yè)數(shù)量就達(dá)到146家。不過(guò)雖然企業(yè)眾多，但集中度卻很高，頭部幾家企業(yè)較為突出，商湯科技、曠視科技、云從科技、依圖科技四家企業(yè)就占據(jù)市場(chǎng)份額的50%以上。

從這些獲投企業(yè)所在的細(xì)分賽道可以很清晰的看到，計(jì)算機(jī)視覺(jué)技術(shù)都應(yīng)用在哪些領(lǐng)域，主要集中在零售、安防、制造、政務(wù)、醫(yī)療等行業(yè)。其中零售行業(yè)占比最大，可基于場(chǎng)景化營(yíng)銷、商品識(shí)別分析等應(yīng)用提升營(yíng)銷轉(zhuǎn)化率，實(shí)現(xiàn)門店運(yùn)營(yíng)的智能化改革；安防行業(yè)是計(jì)算機(jī)視覺(jué)最早落地的場(chǎng)景，利用安防影像智能分析協(xié)助城市治理等領(lǐng)域的智能化轉(zhuǎn)型。

圖：2017-2020年10月中國(guó)計(jì)算機(jī)視覺(jué)獲投企業(yè)業(yè)務(wù)賽道熱度統(tǒng)計(jì)

計(jì)算機(jī)視覺(jué)面臨的問(wèn)題和未來(lái)發(fā)展趨勢(shì)

計(jì)算機(jī)視覺(jué)在學(xué)術(shù)界和工業(yè)界上有差異。一位算法工程師明確表示，計(jì)算機(jī)視覺(jué)現(xiàn)在的狀態(tài)就感覺(jué)是，各個(gè)問(wèn)題算法效果都能出一個(gè)baseline，但調(diào)優(yōu)的空間并不大，更多時(shí)候是靠苦力，比如標(biāo)數(shù)據(jù)，清洗數(shù)據(jù)，badcase分析，寫保護(hù)邏輯，前后處理等。而學(xué)術(shù)界幾篇無(wú)監(jiān)督MOCO、CLIP等新作確實(shí)很驚艷，但卻比不上自己用業(yè)務(wù)數(shù)據(jù)訓(xùn)練出來(lái)的神經(jīng)網(wǎng)絡(luò)模型。

計(jì)算機(jī)視覺(jué)算法在工業(yè)上更關(guān)注于如何落地，更多是在基于業(yè)務(wù)理解的基礎(chǔ)上對(duì)客戶需求的定制，也就是為了能夠緊貼客戶需求，工業(yè)界為了算法落地需要做很多努力，包括網(wǎng)絡(luò)架構(gòu)實(shí)驗(yàn)，訓(xùn)練方法試驗(yàn)，造數(shù)據(jù)，清洗數(shù)據(jù)，badcase分析，打補(bǔ)丁，底層性能優(yōu)化，這其中每一點(diǎn)都要耗費(fèi)巨大的人力物力。

從長(zhǎng)遠(yuǎn)發(fā)展趨勢(shì)來(lái)看，目前計(jì)算機(jī)視覺(jué)還未進(jìn)入技術(shù)發(fā)展的下半場(chǎng)，未來(lái)隨著計(jì)算機(jī)視覺(jué)技術(shù)在人臉識(shí)別上性能的不斷突破，限定場(chǎng)景識(shí)別準(zhǔn)確率將不斷提升，愈來(lái)愈多的對(duì)象識(shí)別、分類問(wèn)題將會(huì)逐步實(shí)現(xiàn)工業(yè)化，滲透進(jìn)更多的行業(yè)應(yīng)用。

整體而言，計(jì)算機(jī)視覺(jué)技術(shù)要想更好的實(shí)現(xiàn)應(yīng)用落地，需要在對(duì)具體業(yè)務(wù)場(chǎng)景的理解之上進(jìn)行針對(duì)性開發(fā)，以提供更加全面、及時(shí)的服務(wù)，這要求計(jì)算機(jī)視覺(jué)企業(yè)未來(lái)在重視前沿算法研發(fā)的同時(shí)，需要進(jìn)一步加強(qiáng)算法和商業(yè)應(yīng)用的融合。