電子發燒友網報道(文/李彎彎)在人工智能技術中，計算機視覺較早發展并取得突破，目前應用場景也較為明確。計算機視覺在人工智能中占據重要市場地位，未來市場空間廣闊。

根據iResearch數據，2019年國內計算機視覺核心產業規模和帶動相關產業規模分別為633.3億元和1438.6億元，占人工智能核心產業和帶動相關產業規模的比重分別達到58.2%和37.6%。預計至2025年國內計算機視覺核心產業規模和帶動相關產業規模將分別增長至1537.1億元和4858.4億元，年均復合增長率分別為15.9%和 22.5%。

計算機視覺主要應用領域有哪些

計算機視覺是使用計算機模仿人類視覺系統的科學，讓計算機擁有類似人類提取、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：目標檢測、圖像分割、圖像增強、圖像生成、人臉分類識別、姿態估計、立體視覺等。

產業鏈可分為基礎層、技術層和應用層。基礎層包括硬件支持、算法支持和數據集;技術層包括視覺技術平臺、視頻識別、圖片識別和模式匹配;應用層包括計算機視覺技術在智慧城市、智慧安防、智慧物流、智慧金融、手機終端和智慧商業等領域的應用。

過去幾年，隨著人工智能深度學習算法快速成熟，國內涌現出了大批基于計算機視覺算法技術的人工智能企業，根據艾瑞咨詢的數據，從2017年到2020年10月國內計算機視覺相關業務的獲投企業數量就達到146家。不過雖然企業眾多，但集中度卻很高，頭部幾家企業較為突出，商湯科技、曠視科技、云從科技、依圖科技四家企業就占據市場份額的50%以上。

從這些獲投企業所在的細分賽道可以很清晰的看到，計算機視覺技術都應用在哪些領域，主要集中在零售、安防、制造、政務、醫療等行業。其中零售行業占比最大，可基于場景化營銷、商品識別分析等應用提升營銷轉化率，實現門店運營的智能化改革;安防行業是計算機視覺最早落地的場景，利用安防影像智能分析協助城市治理等領域的智能化轉型。

計算機視覺面臨的問題和未來發展趨勢

計算機視覺在學術界和工業界上有差異。一位算法工程師明確表示，計算機視覺現在的狀態就感覺是，各個問題算法效果都能出一個baseline，但調優的空間并不大，更多時候是靠苦力，比如標數據，清洗數據，badcase分析，寫保護邏輯，前后處理等。而學術界幾篇無監督MOCO、CLIP等新作確實很驚艷，但卻比不上自己用業務數據訓練出來的神經網絡模型。

計算機視覺算法在工業上更關注于如何落地，更多是在基于業務理解的基礎上對客戶需求的定制，也就是為了能夠緊貼客戶需求，工業界為了算法落地需要做很多努力，包括網絡架構實驗，訓練方法試驗，造數據，清洗數據，badcase分析，打補丁，底層性能優化，這其中每一點都要耗費巨大的人力物力。

從長遠發展趨勢來看，目前計算機視覺還未進入技術發展的下半場，未來隨著計算機視覺技術在人臉識別上性能的不斷突破，限定場景識別準確率將不斷提升，愈來愈多的對象識別、分類問題將會逐步實現工業化，滲透進更多的行業應用。

整體而言，計算機視覺技術要想更好地實現應用落地，需要在對具體業務場景的理解之上進行針對性開發，以提供更加全面、及時的服務，這要求計算機視覺企業未來在重視前沿算法研發的同時，需要進一步加強算法和商業應用的融合。

原文標題：計算機視覺技術現狀和發展趨勢

文章出處：【微信公眾號：電子發燒友網】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅