人工智能之计算机视觉_88页_7mb

报告摘要

人工智能之计算机视觉总结

核心内容概述

计算机视觉（Computer Vision, CV）是人工智能的核心技术之一，已发展三十年，广泛应用于工业、农业、军事、国防等领域。与人类视觉相比，计算机视觉具备更强的稳定性与处理能力，但仍在理论和算法方面有待完善，其应用尚未普及，蕴含巨大潜力。本报告从概念、技术发展、人才概况、产业应用和趋势五大方面深入分析计算机视觉的发展现状与未来方向。

主要观点

1. 计算机视觉经典任务

识别任务：包括图像分类、标识、目标检测，用于识别图像中的物体、特征或活动。
运动分析：用于估计图片序列中物体的运动状态，如光流计算、视频追踪等。
场景重建：通过图像构建三维模型，应用于虚拟现实等领域。
图像恢复：如去噪、超分辨等，提升图像质量。
目标识别：识别场景中目标的位置和姿态，应用于自动驾驶、安防等领域。

2. 技术发展

图像增强：包括多尺度分析、数学形态学和卷积神经网络等方法，提升图像质量。
图像分类：分为单标签和多标签分类，广泛应用在产品识别、社交媒体等。
图像检测与定位：包括物体定位和关键点检测，是目标识别的基础。
图像分割：包括语义分割、实例分割和全景分割，其中实例分割是当前研究热点。
目标识别：分为3D目标识别和点云目标识别，研究重点在算法通用性和鲁棒性。

3. 专利申请情况

全球专利申请概况：2000~2019年共申请66,519项专利，中国、美国、日本为前三。
中国专利申请概况：北京、广东、江苏为专利申请大省，广东省在2018年后超越北京。

4. 国家自然科学基金支持

2010~2020年共支持1,052个项目，其中面上项目和青年项目占比最高。
中国科学院自动化研究所、浙江大学、清华大学为国内主要支持单位。

关键信息

1. 人才概况

全球学者分布：主要集中在东亚、北美和欧洲，中国学者数量居全球第一。
学者h-index分布：30~40之间学者最多，占70.65%，h-index超过60的学者占11.35%。
学者迁徙图：美国人才流动最大，中国和英国出现人才流失。
顶尖学术机构：中国科学院、浙江大学、清华大学为国内前三，卡内基梅隆大学、MIT、明尼苏达大学为美国前三。

2. 代表性学者

Trevor Darrell：加州大学伯克利分校教授，研究方向包括计算机视觉、机器学习和人机交互。
- 获得2020 AI2000多领域奖项，包括计算机视觉和多媒体。
- 相关论文包括“Fully Convolutional Networks for Semantic Segmentation”和“Caffe: Convolutional Architecture for Fast Feature Embedding”。
Ross B. Girshick：Facebook人工智能研究院研究员，开发了R-CNN和Mask R-CNN等目标检测方法。
- 获得2020 AI2000计算机视觉和多媒体奖项。
- 相关论文包括“Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks”。
Christian Szegedy：谷歌研究科学家，提出深度卷积网络、Batch Normalization等技术。
- 获得2020 AI2000计算机视觉和机器学习奖项。
- 相关论文包括“Going Deeper with Convolutions”。
李飞飞：斯坦福大学教授，商汤科技创始人，提出ImageNet项目，推动深度学习发展。
- 研究方向包括人工智能+医疗、深度学习和认知科学。
- 相关论文包括“Imagenet: A Large-Scale Hierarchical Image Database”。
汤晓鸥：香港中文大学教授，商汤科技创始人，推动计算机视觉在产业中的应用。