【行业报告】2017上半年中国计算机视觉专题研究报告.docx

艾媒咨询人工智能系列研究报告—— 2017上半年中国计算机视觉专题研究报告 2017H1 China Computer Vision Region Research Report （内部精简版） 研究方法 本报告主要采用行业深度访谈、桌面研究等方法，并 结合艾媒咨询自有的用户数据监测系统及北极星统计 分析系统等。 通过对行业专家、相关企业与网民进行深度访谈，了解相关行业主要情况，获得相应需要的数据。 对部分相关的公开信息进行筛选、对比，参照用户调研数据，最终通过桌面研究获得行业规模的数据。 政府数据与信息 行业公开信息 企业年报、季报 行业资深专家公开发表的观点 根据艾媒咨询自身数据库、北极星统计分析系统和草莓派调研社区平台（Strawberry Pie）的相关数据分析。 艾媒北极星：截至2017年6月底，北极星采用自主研发 技术已经实现对7.65亿独立装机覆盖用户行为监测。 面向全国针对各领域征集优秀案例企业进行中，详情可咨询research@iimedia.cn 。 目录 2017上半年中国计算机视觉市场现状 2017上半年中国计算机视觉专题用户研究 2017上半年中国计算机视觉场景概述 2017上半年中国计算机视觉专题市场 案例分析 中国计算机视觉市场发展趋势及预测 1PART ONE 1 2017上半年中国计算 机视觉市场现状 计算机视觉概况 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。 计算机视觉 机器视觉 图像处理 计算机视觉相对图像处理更注重识别功能。 机器视觉侧重精确的几何计算， 计算机视觉侧重感知和识别。 信息获取 针对问题对提取出来的特征进行训练，得到解决问题的通用模型 模型训练  推广应用 对海量图片中的相关特征进行提取 把新图片中提取的特征套用在已经训练好的模型中，解决实际问题 2012年，ImageNet ILSVRC比赛中，冠军团队将深度学习算法应用在计算机视觉算法改进中，将识别错误率一举降低到16%，深度学习从此进入了广泛应用期，应用于商务、美图、医学、人工智能等各个领域。 2015年，微软研究院公布了一项新的技术成果，在“ImageNet” 图片识别基准测试中，微软新的神经网络系统错误率为4.94%，低于人类测试者的5.1%。 1999 年，Nvidia 公司在推销自己的 Geforce 256 芯片时，提出了GPU这个概念。GPU是专为执行复杂的数学和集合计算而 1999 年，Nvidia 公司在推销自己的 Geforce 256 芯片时，提出了GPU这个概念。GPU是专为执行复杂的数学和集合计算而 设计的数据处理芯片。它的出现让并行计算成为可能，对数据处理规模、数据运算速度带来了指数级的增长与改善，极大的促进计算机视觉的发展。 1966年，人工智能学者Marvin令学生写出程序，让计算机自动 “了解” 所连接摄像头的内容，计算机视觉序幕被拉开。 20世纪50年代，计算机视觉被归入模式识别——主要集中在二维图像分析和识别上。 20世纪60年代MIT的Roberts通过计算机程序从数字图像中提取诸如立方体、棱柱体等多面三位机构，并对物体形状及空间关系 进行了描述。 20世纪70年代，麻省理工学院人工智能实验室正式开始“计算机 视觉”课程。 20世纪80年代中期，计算机视觉蓬勃发展，新概念、新方法、新 理论不断涌现。 21世纪后，计算机视觉理论逐步成熟，各类产品开始涌现。计算 机视觉的热度从国外向中国渗透。 萌生期 高速发展期 计算机视觉应用特点及行业PEST分析 计算机视觉应用：√ 计算机视觉应用： √ 减少人工误差，识别更精准 √ 机器识别效率更高 √ 图搜索方便快捷 √ 视频贴图功能趣味性强 传统行业特点： × 识别受人为因素影响 × 人工成本高，费时费力 × 传统文字搜索描述不精准 × 传统广告、照片、视频等较为单调 Policy 政策对于人工智能有所倾斜； 计算机视觉公司资本注入政府、公共场所已经尝试使用计算机视觉技术。 计算机视觉公司 资本注入 美图平台电商 美图平台 电商 交通枢纽 银行、列车站 等公共场所 需求端 各领域对计算机视觉技术有需求，会购买计算机视觉公司解决方案、相应产品，或与计算机视觉 公司进行合作。  Economy Society 计算机视觉在中国网民中使用普及率不同领域具有差异，总体来说对行业认知度还有待提升； 边看边买、手机贴图等功能受到年轻群体的认可。 近几年，人工智能的兴起使得包括计算机视 觉的各个分支蓬勃发展，各种条件利好的情况下，新技术的推出和成熟周期逐渐缩短。  Technology 计算机视觉细分领域 图像处理  图片识别特征分类