20160901-36氪-计算机视觉行业研究报告_机器之眼,_看懂世界_40页_2mb

机器之眼，看懂世界 - 计算机视觉行业研究报告总结

核心内容

计算机视觉是人工智能的基础技术之一，其目标是使机器能够模拟人类视觉系统，实现物体识别、形状与方位判断、运动识别等功能。该技术通过深度学习算法、海量数据和强大运算力的结合，为多个行业提供智能化解决方案，包括金融、安防、医疗、工业、消费和商业等。

主要观点

• 技术发展：计算机视觉技术主要分为三个阶段：目标检测、目标识别、行为识别，分别解决“去背景”、“是什么”、“干什么”的问题。
• 行业驱动因素：数据量、运算力和算法技术是推动计算机视觉发展的三大核心要素。深度学习的出现极大提高了识别准确率，从70%提升至95%。
• 应用场景：
  • 生物特征识别：主要用于身份验证，包括指纹识别、人脸识别、虹膜识别等。人脸识别因其非接触性和非强制性，正在成为主流。
  • 光学字符识别（OCR）：广泛应用于信息录入和文档处理，尤其在金融、医疗和物流行业。识别难点包括照片中多字符文本的处理。
  • 物体与场景识别：识别技术仍处于早期阶段，多数公司专注于数据标注。应用场景包括军事、医疗、智能家电和智能驾驶等。
  • 视频对象提取与分析：用于监控系统、行为识别和电商营销等。识别难点包括光线变化和遮挡问题。

关键信息

行业驱动

• 数据量：自2000年以来，全球数据量迅速增长，为深度学习算法提供了大量训练素材。
• 运算力：GPU的出现极大提升了数据处理速度，使得大规模深度学习成为可能。
• 算法技术：深度学习通过多层神经网络实现自学习，极大提升了识别精度。

政策法规

• 中国和美国均出台多项政策支持人工智能的发展，尤其在安防、交通和金融领域。例如，2015年国务院将人工智能纳入重点布局，2016年国家网信办要求移动应用进行实名认证。

投资热度

• 全球：2016年Q1，计算机视觉公司数量约180家，融资额达16亿美元。
• 国内：2011年后出现创业热潮，融资阶段多为早期，A轮和天使轮占67%。国内公司数量达104家。

市场规模

• 2015年中国人脸识别市场规模约70亿，视频监控市场规模约200亿。

技术与商业模式

技术简介

• 生物特征识别：技术成熟，人脸识别成为主流。
• 光学字符识别：技术成熟，难点在于照片中的多字符识别。
• 物体与场景识别：技术尚处于早期，多数公司进行数据标注。
• 视频对象提取与分析：技术复杂，适用于监控、行为识别和电商营销。

商业模式

• 软件服务：主要面向ToB市场，提供API、SDK等服务。
• 软硬件一体解决方案：提供定制化服务，具有更强的技术壁垒和商业化能力。

行业竞争与市场格局

• 企业分类：

  • 工业巨头：如海康威视、美的集团等，具备完整的产业链和强大的市场竞争力。
  • 互联网巨头：如Google、Microsoft、百度等，拥有顶尖技术团队和丰富数据资源。
  • 创业公司：如旷视科技、商汤科技、依图科技等，专注于细分市场，如人脸识别、车辆识别等。

• 竞争现状：

  • 人脸识别是当前竞争最激烈的领域，创业公司需在技术集成和场景解决方案上寻求突破。
  • 机器人视觉、无人机视觉、医疗影像识别等新兴领域正成为新的竞争热点。

• 发展预期：

  • 创业公司需加强算法技术，突破新应用场景。
  • 软硬件一体化、低功耗芯片和实时响应技术将成为未来发展的关键。

技术趋势

• 智能前端化：随着对实时响应的需求增加，前端设备集成算法和运算能力成为趋势。
• 数据驱动：数据是计算机视觉发展的核心资源，高质量数据集对算法训练至关重要。
• 低功耗芯片：支持高性能运算的低功耗芯片将成为消费级应用的重要推动力。

创业公司分析

总结

计算机视觉技术正快速发展，其在多个行业展现出巨大潜力。未来，随着数据量的增长、运算能力的提升和深度学习技术的成熟，该行业将不断拓展应用场景，创业公司需在算法集成、软硬件结合和特定行业解决方案上寻求突破，以在激烈的市场竞争中占据一席之地。