36Kr-计算机视觉行业研究报告-160913

《36Kr-计算机视觉行业研究报告-160913》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机器之眼,看懂世界----计算机视觉行业研究报告36氪研究院2016年9月目录Contents一、计算机视觉行业概述1.1定义与研究意义1.2行业驱动—数据量、运算力、算法技术1.3政策法规1.4投资热度全球投资热度国内投资热度1.5市场规模二、计算机视觉技术与应用场景2.1通用视觉识别技术流程2.2识别技术与应用场景简介生物特征识别光学字符识别物体与场景识别视频对象提取与分析三、计算机视觉行业与创业公司梳理3.1产业链3.2全景图3.3商业模式3.4行业竞争市场格局创业公司分析3.5行业思考商业模式技术趋势Chapter1计算机视觉行业概

2、述•定义与研究意义•行业驱动—数据量、运算力、算法技术•政策法规•投资热度全球投资热度国内投资热度•市场规模36Kr-计算机视觉行业研究报告2016年9月1.1定义与研究意义定义1.2行业驱动---让机器之眼代替人眼，看懂所在世界数据量运算力算法技术“Toknowwhatiswherebylooking.”1.3政策法规(通过看去了解所在之处。）1.4投资热度全球投资热度----亚里士多德国内投资热度计算机视觉是指用计算机来模拟人的视觉系统，实现人的视觉功能，1.5市场规模以适应、理解外界环境和控制自身的运动。概括的说，视觉系统主要解决的是

3、物体识别、物体形状和方位确认以及物体运动判断这三个问题。而计算机视觉的研究，则是专注于让机器代替人眼，解决这些问题。（1）物体的识别：即理解物体是什么，对物体的识别主要体现在两方面，第一是是将不同物体归类，第二是对同类型物体的区分与鉴别，如不同人脸的鉴别。物体识别要求既能抽象出物体的共同属性，又能分别出相似物体间的细微差别。人体识别文字识别物体识别（2）物体形状和方位的确定：判断物体的形状和方位是为了让物体在视觉的三维空间里得到记忆的重建，进而进行场景分析与判断。（3）物体运动的判断：和物体形状方位的确定一样，对物体的运动的判断也是一种对于

4、场景的重建和理解，用于进行视觉主体（人或机器）对场景的分析，乃至做出自身行动的决策，实现视觉主体和场景的交互。436Kr-计算机视觉行业研究报告2016年9月1.1定义与研究意义研究意义1.2行业驱动---数据量计算机视觉赋予机器“看”和“认知”的功能，是人工智运算力能的一类基础应用技术算法技术1.3政策法规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1.4投资热度方式。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全球投资热度要部分。唯有看见，才能够做出分析判断，进而代替人类完成更多国内投资热度的任务。它与语音识别、语

5、言识别一并构成了人工智能的感知智能，1.5市场规模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）。人工智能基础架构方案集成层产品智慧交通智慧家电智慧工业基础应用技术技术应用层语音识别自然语言处理计算机视觉预测计划和安排关键硬件算法模型基础支撑层传感器深度学习（CNN、RNN等）CPUGPUNPU路径规划空间搜索知识架构层分布式存储回归分析最速梯度下降法来

6、源：36氪研究院计算机视觉能够增强、改善人们的生活，代替人类完成更多的任务。一方面，它为人类自身视觉提供强有力的辅助和增强，极大的改善人与世界交互的方式。比如，我们可以通过图片搜索引擎找到与之相关信息；另一方面，机器可以准确、客观而稳定的看见，突破人类视觉的局限，代替人类完成更多的任务。比如，机器可以24小时不间断、不疲倦的进行场景监控。536Kr-计算机视觉行业研究报告2016年9月1.1定义与研究意义行业驱动·数据量1.2行业驱动---数据量海量数据为计算机视觉发展提供燃料运算力算法技术数据量、运算力和算法模型是影响计算机视觉行业发展的

7、三大要素。1.3政策法规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1.4投资热度极大的促进了计算机视觉行业的发展。全球投资热度国内投资热度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1.5市场规模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。训练模型应用模

8、型识别场景大数据算法模型物体及场景识别2000年以来，得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生并存储的数据量急剧增加，这为通过深度学习的方法来训练计算机视觉技