2017年-艾瑞咨询_2017年中国计算机视觉行业研究报告_61页_8mb

中国计算机视觉行业研究报告（2017年）

核心内容

中国计算机视觉行业在2017年迎来了快速发展，主要得益于深度学习技术的成熟应用和安防、金融、医疗等领域的商业化需求。深度学习提升了图像分类的准确率，但其在实际业务中的应用仍需结合产品、服务、市场等综合因素。计算机视觉的商业化主要集中在感知智能，而认知智能仍面临较大挑战。尽管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，且比赛成绩与实际业务能力并不直接相关。

主要观点

• 深度学习推动技术进步：深度学习算法通过多层非线性变换和大量数据训练，显著提升了图像分类、物体检测、语义分割等任务的准确率。
• 安防行业是主要驱动力：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。
• 前端与后端协同智能：随着AI专用芯片的发展，前端智能系统将逐步普及，与后端协同计算，提升实时性与数据质量，推动产业智能化。
• 商业模式多样化：计算机视觉公司的主要服务方式包括API、SDK和解决方案，其中解决方案具有更高的客单价和市场空间。
• 技术壁垒与商业化能力并存：虽然开源工具降低了技术门槛，但技术团队在实际业务中的能力差异仍然显著。

关键信息

行业规模与增长预期

• 2017年中国计算机视觉行业市场规模预期为40亿。
• 预计2020年将达到725亿，主要得益于安防、视频广告、泛金融、手机及互联网娱乐等领域的快速发展。
• 2016-2020年，计算机视觉在安防行业的收入占比将呈倍数增长。

技术应用与商业化

• 人脸识别：成为多个领域的核心技术，包括安防、金融、医疗等。
• 视频结构化：用于智能监控，提升案件侦办效率。
• 智能质检与3D分拣：在工业制造中，深度学习和3D视觉技术提升了产品识别和自动化分拣的效率。
• 医疗影像分析：提升诊断效率，但面临数据标注和临床路径的挑战。
• 自动驾驶：主要应用于限定场景，如高速货运、低速摆渡等，需长期测试与数据积累。

技术与算力

• 深度学习依赖大量数据和算力支持，GPU、FPGA、ASIC等并行计算设备显著提升了训练和推断效率。
• 2017年全球网络视频流量已占据81.44%，为深度学习提供了丰富的数据资源。

行业趋势

• 多模态与大数据融合：提升识别精度，如结合人脸识别、虹膜识别等生物特征，以及多维数据分析。
• 智能安防政策支持：从平安城市到雪亮工程，政策推动了智能安防的发展。
• 行业竞争与合作：多家技术公司如商汤科技、云从科技、依图科技、旷视科技、码隆科技、360人工智能研究院等在各自领域取得显著成果，推动行业生态发展。

主要应用场景

安防领域

• 人脸识别：用于道路卡口、车站、机场等场景的实时比对与报警。
• 视频结构化：自动化处理视频内容，提供关键目标的监测、跟踪与属性分析。

金融领域

• 刷脸认证：用于远程开户、无卡取款、转账确认等场景，提升用户体验与安全性。
• 多模态融合：结合多种生物特征与大数据分析，提升识别精度。

手机及互联网娱乐

• 智能拍照与美颜：利用计算机视觉技术提升图像处理能力。
• AR与视频内容：增强互动体验，提升广告投放与内容推荐的精准度。

零售领域

• 商品识别：用于设计、采购、生产、零售等环节，缩短人与商品的距离。
• 无人零售与智能导购：通过视觉技术替代人工，提升效率与降低成本。

医疗领域

• 医疗影像分析：辅助医生进行疾病诊断，如胸部CT、儿童骨龄等。
• 数据与算法挑战：医疗影像数据标注复杂，需专业医生参与，且对系统敏感性与特异性要求高。

自动驾驶

• 环境感知与定位：通过计算机视觉技术，实现车辆的环境感知与地图绘制。
• 测试与安全：需大量测试与数据积累，确保安全性与可靠性。

典型公司案例

商汤科技

• 成立于2014年，专注于计算机视觉与深度学习。
• 核心团队来自MIT、CMU、清华、北大等知名学府及微软、谷歌等知名企业。
• 2017年完成4.1亿美元B轮融资，成为全球人工智能领域最大单笔融资案例。
• 提供智能视频、增强现实、手机图像处理、身份验证等服务。

云从科技

• 成立于2015年，由中科院重庆研究院孵化。
• 七次获得智能识别世界冠军，包括ImageNet、PASCAL等。
• 2017年获得5亿B轮融资，服务多个省级公安与金融机构。

依图科技

• 成立于2012年，由朱珑、林晨曦创立。
• 在人脸识别、医疗影像分析、金融安全等领域取得显著成果。
• 2017年完成3.8亿C轮融资，服务多家大型银行与医疗机构。

旷视科技

• 成立于2011年，三位创始人来自清华“姚班”。
• 研发ResNet算法，赢得多项国际竞赛冠军。
• 提供人脸识别云平台、城市大脑、手机智能等解决方案。

码隆科技

• 成立于2014年，专注于商品识别与视觉技术。
• 2017年在WebVision比赛中夺冠，识别准确率达94.78%。
• 服务多个行业，包括电商、快消、家居等。

360人工智能研究院

• 成立于2015年，由颜水成博士担任院长。
• 聚焦深度学习、3D技术、大数据分析与语音语义研究。
• 为360智能硬件、短视频等业务提供技术支持。

行业发展趋势

• 前端智能系统普及：嵌入式视觉系统的渗透率将逐步提升，与后端协同智能计算，推动产业智能化。
• 算法持续优化：随着深度学习的发展，算法迭代将提升限定场景识别准确率，加速技术在各行业的应用。
• 多模态与大数据融合：提升识别精度与系统性能，推动技术在更多场景落地。
• 政策支持与行业合作：政府与企业合作推动智能安防、城市大脑等项目落地。
• 商业化与创新并行：技术公司不断探索新的商业模式，如API、SDK与一体化解决方案，以适应不同行业需求。

总结

2017年中国计算机视觉行业正处于快速发展阶段，深度学习技术显著提升了图像识别与分类的准确率。尽管开源环境降低了技术门槛，但前沿算法的技术壁垒依然存在，且比赛成绩不能完全代表实际业务能力。行业主要应用在安防、金融、医疗、零售、工业等领域，推动了各行业的智能化升级。技术公司如商汤科技、云从科技、依图科技等在各自领域取得显著成果，为行业提供多样化的解决方案。未来，计算机视觉将继续向多模态、大数据、嵌入式方向发展，推动AI技术在更广泛场景中的应用。