2017-计算机行业人工智能“黑科技”：计算机视觉领域前沿一览_17页_1mb

人工智能“黑科技”系列报告一：计算机视觉领域前沿一览

核心内容

计算机视觉是人工智能的重要分支，致力于让计算机具备理解图像和视频的能力，包括识别、跟踪、测量和处理图像，使其更适合人眼观察或仪器检测。随着海量图像数据集、机器学习（特别是深度学习）方法以及高性能计算机的发展，该领域技术与应用均取得显著进展。

主要观点

• 技术发展迅速：计算机视觉技术已从传统图像处理方法迈入人工智能处理时代，卷积神经网络（CNN）等深度学习技术显著提升了识别准确度。
• 数据集推动进步：ImageNet和MS COCO等数据集为算法训练和评测提供了重要支持，其中ImageNet因其规模和多样性成为行业风向标。
• 应用领域广泛：计算机视觉在自动驾驶、机器人、AR/VR、金融、安防、医疗等多个领域均有重要应用，技术发展不断推动这些行业的智能化进程。
• 国内外研究力量齐头并进：国际上，Google、微软、Facebook等科技巨头及斯坦福、MIT、伯克利等高校实验室在该领域处于领先地位；国内则涌现出依图、商汤、旷视、云从、格灵深瞳等明星创业团队，技术实力不容小觑。
• 顶级会议引领研究方向：ICCV、CVPR、ECCV等三大会议是计算机视觉领域前沿理论和技术的重要聚集地，近年来论文中深度学习占比显著，反映其在该领域的主导地位。

关键信息

1. 技术演进

• 传统方法：依赖图像增强、模式识别等技术，例如美图软件中的祛斑功能和指纹识别。
• 深度学习突破：卷积神经网络（CNN）成为主流，从AlexNet到ResNet，层数不断增加，识别准确率显著提升。
• ImageNet成果：2012年Top5错误率从26.1%降至3.57%，2016年进一步降至2.99%，中国团队表现突出。

2. 数据集与挑战赛

• ImageNet：包含超过1000种物体类别，每类图像数量庞大，用于评测算法识别显著物体的能力。
• MS COCO：侧重复杂场景中物体识别，包含80个类别，数据集规模大，用于目标检测、分割、关键点检测和图片描述任务。
• 挑战赛任务：包括目标检测、定位、视频中物体检测、场景分类、场景分割等，各任务均有明确的评测标准和数据来源。

3. 国内外研究机构与创业团队

• 国外机构：Google、微软、Facebook等科技巨头及斯坦福、MIT、伯克利等高校实验室在计算机视觉领域处于领先地位。
• 国内团队：依图、商汤、旷视、云从、格灵深瞳等团队在图像识别、人像比对、场景分割等领域表现卓越，技术实力和应用成果获得广泛关注。

4. 顶级会议

• ICCV：IEEE国际计算机视觉大会，每两年举办一次，涵盖底层视觉、分割、运动跟踪、场景识别等多个方向。
• CVPR：IEEE国际计算机视觉与模式识别会议，每年举办一次，内容广泛，深度学习成为研究热点。
• ECCV：欧洲计算机视觉国际会议，两年一次，录用论文主要来自欧美顶尖实验室，中国论文数量较少但质量较高。

5. 应用案例

• 自动驾驶：依赖目标检测、定位等技术进行实时动态识别。
• AR/VR：用于物体跟踪、动作识别和三维环境建模，如虚拟试衣、现实扫描生成游戏地图。
• 安防：应用于车牌识别、人脸识别、嫌疑人追踪等。
• 医疗：辅助医生识别医学影像，提升诊断效率。
• 视频配音与内容识别：通过算法预测声音、识别视频内容，提升多媒体处理能力。
• 社会化机器人：如Jackrabbit机器人，具备自主行走和社交行为识别能力。

投资建议

建议关注计算机视觉在自动驾驶、机器人、AR/VR、金融、安防及医疗等领域的应用进展，相关技术正在快速成熟并推动行业智能化升级。

风险提示

• 实验室表现与实际应用场景效果可能存在差异。
• 技术应用在不同领域中进展不一，实际效果可能不达预期。
• 行业发展受政策、数据隐私、技术瓶颈等多方面因素影响，需谨慎评估。

图表目录

• 图1：计算机视觉与其他学科的相互关系
• 图2：ImageNet竞赛
• 图3：目标检测
• 图4：目标定位
• 图5：视频中的目标物体检测
• 图6：场景分类
• 图7：场景分割
• 图8：目标检测和分割
• 图9：关键点检测
• 图10：图片描述
• 图11：预测人类行为
• 图12：手势识别
• 图13：微软全息“穿越”技术
• 图14：人工智能为视频配音
• 图15：深度学习识别YouTube视频内容
• 图16：社会化行走机器人Jackrabbit

行业评级

• 行业评级：看好中性看淡（维持）
• 投资评级：基于相对市场基准指数的收益率设定，包括买入、增持、中性、减持等。

分析师申明

分析师声明其在报告中所发表的建议和观点反映了其个人判断，与薪酬无直接关系。

免责声明

本报告仅供参考，不构成投资建议，客户应自行评估投资风险，东方证券不承担因此产生的任何责任。