2017年中国计算机视觉行业研究报告_61页_7mb

中国计算机视觉行业研究报告（2017年）

核心内容总结

行业概述

• 行业现状：计算机视觉技术主要聚焦于感知智能，当前技术以图像分类、物体检测、语义分割等任务为主。
• 技术发展：深度学习算法显著提升了图像分类的准确率，2012年AlexNet在ImageNet竞赛中夺冠，标志着深度学习在计算机视觉领域的爆发。
• 市场规模：2017年中国计算机视觉市场规模预计为40亿，预计到2020年将增长至725亿，主要得益于安防领域的爆发性增长。
• 技术应用：计算机视觉技术已广泛应用于金融、互联网、医疗、工业、零售、自动驾驶等多个领域。

主要观点

• 深度学习的优势：深度学习通过多层非线性变换，显著提升了分类任务的准确率，如ResNet在2015年实现152层，错误率降至3.57%。
• 开源与技术壁垒：虽然开源工具降低了技术门槛，但前沿算法的技术壁垒依然存在，需要专业团队进行优化与改进。
• 技术与业务结合：计算机视觉比赛成绩与论文成果并不能直接代表解决实际问题的能力，技术落地需结合具体业务场景。
• 嵌入式智能系统：前端嵌入式智能系统的渗透率将逐步提升，与后端协同计算，加速产业智能化。
• 多模态与大数据融合：多模态生物识别与大数据分析结合，有助于提升识别精度与断案效率。

关键信息

• 行业图谱：主要应用层包括公共安全、金融、互联网、手机、交通、医疗、零售、工业、智能硬件。
• 商业模式：主要服务方式包括API、SDK、解决方案，收费方式有按调用量、按授权设备及项目收费。
• 行业趋势：计算机视觉将与各行业深度融合，推动智能升级与产业变革。

主要应用场景

安防领域

• 人脸识别：用于监控视频中的人脸识别与比对，提升案件侦办效率。
• 视频结构化：对海量视频进行自动化处理，提供关键目标的监测、跟踪与属性分析。
• 市场潜力：2016年中国安防行业总产值达5410亿，预计未来三年智能安防影像分析收入将增长1-2倍。

泛金融身份认证

• 主要场景：包括远程开户、自助终端识别、VIP迎宾、金库出入管理等。
• 技术优势：刷脸认证提升用户体验，降低交易成本，减少欺诈风险。
• 技术指标：误识率越低，安全性越高，但需在通过率与误识率之间取得平衡。

手机及互联网娱乐

• 智能功能：包括刷脸解锁、拍照优化、相册分类、AR特效等。
• 技术应用：提升手机与互联网应用的智能化水平，增强用户体验。

商品识别

• 应用场景：包括设计、原料采购、生产制造、电商、线下零售等。
• 技术优势：以图搜图、智能推荐、自动结账等技术提升了商品供应链效率。

医疗影像分析

• 应用方向：包括胸部CT辅助诊断、儿童骨龄识别等。
• 技术挑战：医疗影像标注门槛高，需专业医师参与，且需兼顾特异性与敏感性。
• 市场前景：预计2019年实现商业化落地，未来将拓展至更多医疗场景。

自动驾驶

• 技术组成：包括传感器融合、环境感知、高精地图、定位、规划与控制。
• 落地场景：先在限定场景（如高速货运、低速摆渡）应用，逐步向大众出行拓展。
• 测试与安全：需经历大量测试，包括仿真测试、封闭测试及公路测试，以确保安全性。

典型公司案例

商汤科技

• 成立时间：2014年
• 核心技术：深度学习算法，人脸识别技术超越Facebook，图像识别技术比肩Google。
• 融资情况：2017年完成4.1亿美元B轮融资，创下当时全球人工智能领域单轮融资最高纪录。
• 应用场景：安防、金融、手机、医疗、零售等。

云从科技

• 成立时间：2015年
• 核心技术：三级研发架构，多次获得智能识别比赛冠军。
• 融资情况：2017年完成5亿元B轮融资，总计获得25亿元发展资金。
• 应用场景：安防、银行、机场、公安、医疗、金融等。

依图科技

• 成立时间：2012年
• 核心技术：人脸识别、图像识别、深度学习算法。
• 融资情况：2017年完成3.8亿C轮融资及招商银行领投的C+轮融资。
• 应用场景：安防、医疗、金融、城市交通等。

旷视科技

• 成立时间：2011年
• 核心技术：ResNet、Face++、深度学习引擎MegBrain。
• 融资情况：2017年完成4.6亿美元C轮融资。
• 应用场景：金融安全、城市大脑、手机智能等。

触景无限

• 成立时间：2014年
• 核心技术：嵌入式人工智能感知平台，支持复杂背景与高动态光照条件下的识别。
• 融资情况：2017年完成5000万A轮融资。
• 应用场景：安防、零售、医疗、智能硬件等。

码隆科技

• 成立时间：2014年
• 核心技术：弱监督学习，商品属性识别，海量图像检索。
• 融资情况：2017年完成2.2亿元B轮融资。
• 应用场景：商品识别、无人零售、违禁品检测、医疗筛查等。

360人工智能研究院

• 成立时间：2015年
• 核心技术：深度学习、3D技术、大数据分析、语音语义。
• 应用场景：360智能硬件、短视频、大数据分析等。

行业发展趋势

• 技术融合：计算机视觉与大数据、人工智能、AR等技术融合，推动更多应用场景的落地。
• 商业模式：API、SDK、解决方案三种服务方式并存，一体化解决方案更具市场潜力。
• 行业渗透：计算机视觉将逐步渗透至更多行业，如医疗、工业、零售等。
• 前端智能：随着AI专用芯片的发展，前端智能系统将逐步普及，提升实时性与隐私性。
• 智能升级：视频监控向智能分析升级，实现“看懂”的能力，提升安全与效率。
• 自动驾驶：自动驾驶技术将先在限定场景落地，逐步向更复杂场景扩展。
• 政策支持：国家政策推动智能安防与AI技术的发展，如“雪亮工程”、“平安城市”等。
• 产业协同：各行业将加强与AI技术供应商的合作，共同推动技术落地与商业化。

总结

2017年中国计算机视觉行业正处于快速发展的阶段，技术突破与市场拓展并行。深度学习算法显著提升了图像分类与识别能力，推动了多个行业的智能化升级。尽管开源环境降低了技术门槛，但前沿算法仍存在较高的技术壁垒。行业主要应用集中在安防、金融、手机、医疗、零售、工业及自动驾驶领域，技术落地与商业化仍需结合具体业务场景。未来，计算机视觉将与大数据、AI等技术深度融合，推动更多创新应用的出现。