2018，計算機視覺產業新一輪發展的起步年，未來可期！
計算機視覺從學術上分類，包括圖像處理、模式與圖像識別、事件分析、場景理解等眾多圖像相關的技術學科，
以及計算機、信號處理、物理學、數學、生物學等多個基礎學科，且隨著人工智慧技術的演進還在不斷發展。
利用計算機視覺，我們最終期望通過技術的發展，計算機能和人一樣通過視覺觀察和理解世界，
並且能夠具備自主適應和認知環境的能力。
►計算機視覺產業新一輪發展的起步年
2017 年計算機視覺產業處於井噴期，眾多的創業公司、巨頭企業以及跨界公司參與到了這個產業里，
各類的新技術和新應用出現在視野內。2018 年更多的是技術到產業的落地，
成熟達到商用的視覺技術結合市場的需求在行業中持續開拓市場，尚在演進中的技術正在探索挖掘試點應用，
一些偽智能的技術則被快速淘汰，同時學術界和工業界也在創新地研究新的技術點並尋求突破。
2018 年是計算機視覺產業新一輪發展的起步年，市場才剛剛啟動，經歷過去兩年市場和用戶認知的培養，
當前業務應用開始逐步從試用走向使用，在這個過程中技術也得到持續發展，解決了試用過程中碰到的種種問題。
►計算機視覺技術百花齊放，加速多個產業升級
深度學習是當前人工智慧領域最為熱點的技術之一，其發展非常迅猛，通過深度學習技術，
可以在短時間內達到傳統模式識別技術的性能。
深度學習技術源於 80 年代的神經網絡技術，最近兩年的發展才真正實現大規模商業化落地，
背後驅動這項人工智慧技術的突飛猛進源於晶片技術發展帶來的計算能力指數級提升，
網際網路和物聯網技術發展提供了海量的數據，深度學習技術開源推動算法的快速工程化與疊代升級。
從計算機視覺應用的產業板塊上分析，以視頻應用為基礎的視頻安防、
工業視覺是目前最快落地的行業，醫療、智能駕駛領域的技術正在快速發展中，
未來技術突破將會產生巨大的商業應用價值。
人工智慧技術和計算能力的突破勢必帶來產品和解決方案的全面升級，從而加速客戶應用的規模化效應。
以人臉識別技術的應用為例，2017 年人臉識別技術取得關鍵性突破，
大規模的人臉識別率達到 90% 以上，引發商業和產品化的快速落地。
現在我們可以使用刷臉支付、刷臉開門、刷臉考勤等便捷的服務，
我們同樣可以採用這項人工智慧技術實現商業的分析和數據服務。
另一方面，隨著產品計算能力的大幅提升，新型人工智慧的一體化產品取代了傳統解決方案里需要部署的一套複雜的系統。
►人工智慧技術還存在很多瓶頸
儘管計算機視覺在深度學習技術推動下取得驚人的成果，但我們也需要清醒的看到人工智慧技術還存在很多瓶頸。
當前的人工智慧還不夠真正的智能，離機器自主認知還有很長的路要走，現有技術還只能做到高效地解決單一或特定的任務。
此外深度學習算法是個黑盒子，網絡內部各層的解釋性差，在實際工程過中存在不可預見性，
尤其是算法還無法達到普適性要求，複雜性和融合性應用帶來很多誤差和相互干擾。
由於深度學習技術採用的是大規模數據驅動，大規模的數據訓練本身對超算中心的能力是很大的挑戰，
同時在實際工程化應用場景非常複雜多變，這會出現很多無法預測的干擾數據，導致容易計算出未知的異常結果。
更重要的是雖然人工智慧已經有了非常高的性能指標，但客戶對人工智慧應用的期望卻往往超越現有的算法結果，
這也需要計算機視覺技術持續突破來解決的實際問題。
不過隨著市場需求的打開，在晶片、算法、應用各個層面有了更多的企業參與。
從個別的算力平台到多元化計算晶片的格局，從早期少數算法公司技術創新到當前眾多成熟公司共同參與，
從算法單點爆發吸引眼球到現在人工智慧推動產業升級與應用融合，目前市場格局已經發生重大的轉變，走向了從技術驅動型轉換到應用驅動型的發展。
計算機視覺的市場規模非常巨大，這是一種推動各個產業升級的力量，無法單純衡量它的市場價值。
可以預見，占據應用市場以及技術領先型的公司將在未來人工智慧浪潮中獲取核心價值，並引領行業的發展。
當下人工智慧、物聯網、雲與大數據、5G、雲計算等主導未來的核心技術正在加速發展與演進，
計算機視覺行業生態在這些技術力量的驅動下，必將形成新的技術和市場格局。
原文網址：https://kknews.cc/tech/3bra3ao.html
.jpg "2021年五大科技趨勢深度剖析")
