一、计算机视觉技术展望
数据驱动的深度学习算法通过一个函数来实现诸多场景与物体的准确分类，但泛化能力差，碰到新考题缺乏分析能力，问题的解决有赖于常识的建立与基于先验假设的逻辑推断，这将使计算机视觉与语言接轨，由感知智能上升至认知智能。再进一步，分类仅为视觉系统应有的基础功能之一，终极目的应为打造出可与世界交互的机器人智能视觉系统，由机器人所要解决的更加综合复杂的现实问题来驱动其选择要感知的事物与感知的精准度，支撑其圆满完成任务。
二、算法迭代加速为各领域商业赋能
虽然终极愿景道阻且长，但分类任务的日益精准已解锁并将不断解锁更多场景应用。如同过去5年计算机视觉技术在人脸识别上的不断突破，误报率从2015年的千分之一提升至2017年的十亿分之一（在通过率为90%的情况下），商业服务、城市安全、大众娱乐等诸多场景均体会到不同层次的智能升级，商品、道路环境、医疗影像、遥感影像等更多对象的识别、分类问题也将会逐步突破工业化红线，从仅做辅助补充的非关键性应用拓展到切实提升核心业务效率的关键性应用。各行各业的创新型智能应用将纷至沓来，而人脸识别的性能亦将继续攀升，追求百亿、千亿规模上的可行性。
参考观研天下发布《2017-2022年中国机器视觉市场运营现状及发展策略研究报告》
三、技术供应商将继续完善商业服务链条
对于更为广泛的传统行业或线下使用场景的潜在客户，计算机视觉的技术落地往往涉及对具体业务场景的硬件设备改造、软件集成以及本地计算设施的部署，算法、技术的实际功效更需要建立在对客户真实业务场景的深层理解之上的针对性开发。不断增长的市场需求要求更加全面、及时的售前、售中、售后服务，而在对视觉技术能够达到的有效帮助缺乏足够认知或部分暂时缺乏科学完善的评测标准或技术相对同化的业务场景，市场销售的重要性尤为凸显。既要注重前沿算法研发，又要注意现阶段商业落地与市场拓展，这些都为以高新技术人才为主的计算机视觉公司提出了更为综合的挑战。
数据驱动的深度学习算法通过一个函数来实现诸多场景与物体的准确分类，但泛化能力差，碰到新考题缺乏分析能力，问题的解决有赖于常识的建立与基于先验假设的逻辑推断，这将使计算机视觉与语言接轨，由感知智能上升至认知智能。再进一步，分类仅为视觉系统应有的基础功能之一，终极目的应为打造出可与世界交互的机器人智能视觉系统，由机器人所要解决的更加综合复杂的现实问题来驱动其选择要感知的事物与感知的精准度，支撑其圆满完成任务。
图：计算机视觉的学术研究愿景
二、算法迭代加速为各领域商业赋能
虽然终极愿景道阻且长，但分类任务的日益精准已解锁并将不断解锁更多场景应用。如同过去5年计算机视觉技术在人脸识别上的不断突破，误报率从2015年的千分之一提升至2017年的十亿分之一（在通过率为90%的情况下），商业服务、城市安全、大众娱乐等诸多场景均体会到不同层次的智能升级，商品、道路环境、医疗影像、遥感影像等更多对象的识别、分类问题也将会逐步突破工业化红线，从仅做辅助补充的非关键性应用拓展到切实提升核心业务效率的关键性应用。各行各业的创新型智能应用将纷至沓来，而人脸识别的性能亦将继续攀升，追求百亿、千亿规模上的可行性。
参考观研天下发布《2017-2022年中国机器视觉市场运营现状及发展策略研究报告》
图：算法迭代驱动产业变革
三、技术供应商将继续完善商业服务链条
对于更为广泛的传统行业或线下使用场景的潜在客户，计算机视觉的技术落地往往涉及对具体业务场景的硬件设备改造、软件集成以及本地计算设施的部署，算法、技术的实际功效更需要建立在对客户真实业务场景的深层理解之上的针对性开发。不断增长的市场需求要求更加全面、及时的售前、售中、售后服务，而在对视觉技术能够达到的有效帮助缺乏足够认知或部分暂时缺乏科学完善的评测标准或技术相对同化的业务场景，市场销售的重要性尤为凸显。既要注重前沿算法研发，又要注意现阶段商业落地与市场拓展，这些都为以高新技术人才为主的计算机视觉公司提出了更为综合的挑战。
图：计算机视觉技术大规模应用的重要因素
资料来源：观研天下整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
