又一年ICCV論文提交截止，ICCV2019的官方推特也在第一時間公布了本屆會議的論文投遞情況。根據(jù)官方消息，2019年共收獲4328篇論文，與上一屆2143篇相比，數(shù)量多出了將近一倍。

ICCV由IEEE主辦，全稱為IEEE International Conference on Computer Vision，即國際計算機視覺大會。與計算機視覺模式識別會議CVPR和歐洲計算機視覺會議ECCV并稱計算機視覺三大頂級會議。ICCV論文數(shù)量的翻倍，也能看出近年來計算機視覺的發(fā)展有多么迅猛，無論是國內(nèi)還是國外，都誕生了很多一批專注于計算機視覺的企業(yè)，如曠視科技、商湯科技、極鏈科技Video++、依圖科技等優(yōu)秀的初創(chuàng)AI企業(yè)，微軟、阿里巴巴、百度等大廠。

計算機視覺的爆發(fā)

1998年到2012年，十幾年來，卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)還是一樣的，但是它的內(nèi)部發(fā)生了很大的變化，而發(fā)生這些變化有亮點非常重要：當下因為深度學習技術(shù)的發(fā)展，人工智能變得愈加火爆，計算機視覺作為人工智能的一個領(lǐng)域，也逐漸被企業(yè)所重視。不過當前計算機視覺的研究和應用主要集中在“識別”上，“識別”只是計算機視覺的一部分，如果要去做一些交互和感知，必須先恢復三維，所以在識別的基礎(chǔ)上，下一個層次必須走向“三維重建”。

一.英偉達研發(fā)了GPU，GPU最早是為游戲而不是人工智能誕生的。

二.華人學者、斯坦福大學教授李飛飛創(chuàng)建了ImageNet，她把數(shù)百萬張照片發(fā)到了網(wǎng)絡(luò)上并發(fā)動群眾做了標注。

至今，在2012年訓練AlexNet模型需要使用兩塊GPU，花費6天時間，到今天做同樣的事情只需要一塊最新GPU，十幾分鐘就能搞定。

計算機視覺與三維重建

三維重建指對三維物體建立適合計算機表示和處理的數(shù)學模型,是在計算機環(huán)境下對其進行處理、操作和分析其性質(zhì)的基礎(chǔ),也是在計算機中建立表達客觀世界的虛擬現(xiàn)實的關(guān)鍵技術(shù)。

上世紀80年代左右，計算機視覺有了最初的發(fā)展。那個年代基本所有的計算機視覺研究都以D.Marr的研究為理論依據(jù)。他的可計算數(shù)學模型都是以edges為主的邊緣提取。有了edge之后，再把它高層話后的線段元做簡單的統(tǒng)計分類或者三維重建。

它從外部世界的圖像逐步產(chǎn)生對景物的三個層次的描述：

1.初始簡圖：這是最基本意義的灰度變動的局部幾何性質(zhì)，以線條勾畫出的草圖形式出現(xiàn)。

2.二維半簡圖：該圖主要描述物體可視面的表面方向和觀察點到表面的距離。

3.三維模型表示：這是物體形狀的全部而清晰的描述。也是D.Marr教授的視覺計算理論對計算機視覺研究的最杰出的貢獻。

當前，每個人都在研究“識別”，但是識別只是計算機視覺的一部分，真正意義上的計算機視覺要超越識別，感知三維環(huán)境，做到交互和感知，就需要把世界恢復到三維。人類可以通過眼睛得到有深度的三維信息，但獲取深度信息的挑戰(zhàn)很大。它本質(zhì)上是一個三角測量的問題，第一步需要將兩幅圖像或兩只眼睛感知到的東西進行匹配，也就是“識別”。但這里的“識別”是有標注情況下的識別，是通過兩幅圖像之間的識別，沒有數(shù)據(jù)庫，不僅要識別物體，還要識別每一個像素，所以對計算機要求非常高。

計算機視覺：機遇與挑戰(zhàn)并存

伴隨著人工智能產(chǎn)業(yè)升溫，計算機視覺行業(yè)有望邁向新的發(fā)展階段。據(jù)專業(yè)機構(gòu)預測，2016-2020年中國計算機視覺市場將維持20%的增長率，遠高于全球的8.4%平均水平，中國計算機視覺產(chǎn)業(yè)將迎來新一輪爆發(fā)式增長。雖然整個計算機視覺領(lǐng)域迎來了前所未有的關(guān)注和接踵而至的投資熱潮，這些既來自于風險投資、互聯(lián)網(wǎng)公司和傳統(tǒng)公司，還吸引了國家政府前所未有的關(guān)注，但在此過程中，挑戰(zhàn)也依然存在，拋開計算機視覺產(chǎn)業(yè)鏈，上層為基礎(chǔ)支撐層，包括人工智能芯片、算法技術(shù)和數(shù)據(jù)。中層為技術(shù)提供層。下層則是具體的場景應用。當前國內(nèi)計算機視覺領(lǐng)域初創(chuàng)公司中，布局中上層的企業(yè)非常少，絕大多數(shù)企業(yè)都只是集中于中下游技術(shù)提供層和場景應用層，能打通全產(chǎn)業(yè)鏈的企業(yè)更是鳳毛麟角。

舉幾個已經(jīng)基本達到商業(yè)化的例子：

1.八九十年代的指紋識別算法已經(jīng)非常成熟，在指紋的圖案上面去尋找一些關(guān)鍵點，尋找具有特殊幾何特征的點，然后把兩個指紋的關(guān)鍵點進行比對，判斷是否匹配。

2.2001年基于Haar的人臉檢測算法，在當時的硬件條件下已經(jīng)能夠達到實時人臉檢測，現(xiàn)在手機相機里的人臉檢測，都是基于它或者它的變種。

3.基于HoG特征的物體檢測，它和所對應的SVM分類器組合起來的就是著名的DPM算法。DPM算法在物體檢測上超過了所有的算法，取得了不錯的成績。

但這種成功例子太少了，因為手工設(shè)計特征需要大量的經(jīng)驗，需要你對這個領(lǐng)域和數(shù)據(jù)特別了解，然后設(shè)計出來特征還需要大量的調(diào)試工作。另一個難點在于，你不只需要手工設(shè)計特征，還要在此基礎(chǔ)上有一個比較合適的分類器算法。同時設(shè)計特征然后選擇一個分類器，這兩者合并達到最優(yōu)的效果，幾乎很難完成。

小結(jié)：

隨著計算機視覺和深度學習的發(fā)展，自動駕駛、生物識別、視頻識別、無人機等都迎來了發(fā)展的浪潮，但這些領(lǐng)域想要達到完全的商業(yè)落地，三維重建或許是一個很好的突破口，但是真正能發(fā)展到何種程度，還是得看企業(yè)對三維重建的重視與利用。