2017上半年中国计算机视觉专题研究报告.pdf

2017上半年中国计算机视觉专题研究报告2017H1 China Computer Vision Region Research Report（内部精简版）艾媒咨询人工智能系列研究报告——本报告主要采用行业深度访谈、桌面研究等方法，并结合艾媒咨询自有的用户数据监测系统及北极星统计分析系统等。•通过对行业专家、相关企业与网民进行深度访谈，了解相关行业主要情况，获得相应需要的数据。•对部分相关的公开信息进行筛选、对比，参照用户调研数据，最终通过桌面研究获得行业规模的数据。政府数据与信息行业公开信息企业年报、季报行业资深专家公开发表的观点•根据艾媒咨询自身数据库、北极星统计分析系统和草莓派调研社区平台（Strawberry Pie）的相关数据分析。•艾媒北极星：截至2017年6月底，北极星采用自主研发技术已经实现对7.65亿独立装机覆盖用户行为监测。•面向全国针对各领域征集优秀案例企业进行中，详情可咨询research@iimedia.cn 。研究方法目录12017上半年中国计算机视觉市场现状2017上半年中国计算机视觉专题用户研究2342017上半年中国计算机视觉场景概述中国计算机视觉市场发展趋势及预测52017上半年中国计算机视觉专题市场案例分析PART ONE2017上半年中国计算机视觉市场现状1计算机视觉概况计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。计算机视觉机器视觉图像处理•计算机视觉相对图像处理更注重识别功能。•机器视觉侧重精确的几何计算，计算机视觉侧重感知和识别。推广应用模型训练信息获取对海量图片中的相关特征进行提取针对问题对提取出来的特征进行训练，得到解决问题的通用模型把新图片中提取的特征套用在已经训练好的模型中，解决实际问题•2012年，ImageNet ILSVRC比赛中，冠军团队将深度学习算法应用在计算机视觉算法改进中，将识别错误率一举降低到16%，深度学习从此进入了广泛应用期，应用于商务、美图、医学、人工智能等各个领域。•2015年，微软研究院公布了一项新的技术成果，在“ImageNet”图片识别基准测试中，微软新的神经网络系统错误率为4.94%，低于人类测试者的5.1%。计算机视觉发展历程及大事记1999 年，Nvidia 公司在推销自己的 Geforce 256 芯片时，提出了GPU这个概念。GPU是专为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让并行计算成为可能，对数据处理规模、数据运算速度带来了指数级的增长与改善，极大的促进计算机视觉的发展。1966年，人工智能学者Marvin令学生写出程序，让计算机自动“了解” 所连接摄像头的内容，计算机视觉序幕被拉开。20世纪50年代，计算机视觉被归入模式识别——主要集中在二维图像分析和识别上。20世纪60年代MIT的Roberts通过计算机程序从数字图像中提取诸如立方体、棱柱体等多面三位机构，并对物体形状及空间关系进行了描述。20世纪70年代，麻省理工学院人工智能实验室正式开始“计算机视觉”课程。20世纪80年代中期，计算机视觉蓬勃发展，新概念、新方法、新理论不断涌现。21世纪后，计算机视觉理论逐步成熟，各类产品开始涌现。计算机视觉的热度从国外向中国渗透。萌生期高速发展期计算机视觉应用特点及行业PEST分析计算机视觉应用：√减少人工误差，识别更精准√机器识别效率更高√图搜索方便快捷√视频贴图功能趣味性强传统行业特点：×识别受人为因素影响×人工成本高，费时费力×传统文字搜索描述不精准×传统广告、照片、视频等较为单调PolicyEconomySocietyTechnology政策对于人工智能有所倾斜；政府、公共场所已经尝试使用计算机视觉技术。银行、列车站等公共场所电商美图平台交通枢纽需求端计算机视觉公司资本注入计算机视觉在中国网民中使用普及率不同领域具有差异，总体来说对行业认知度还有待提升；边看边买、手机贴图等功能受到年轻群体的认可。近几年，人工智能的兴起使得包括计算机视觉的各个分支蓬勃发展，各种条件利好的情况下，新技术的推出和成熟周期逐渐缩短。各领域对计算机视觉技术有需求，会购买计算机视觉公司解决方案、相应产品，或与计算机视觉公司进行合作。计算机视觉细分领域计算机视觉视频处理图像处理图片识别特征分类视频关键信息识别贴图信息输出信息关联手写签名识别医学图像处理人脸识别美图贴图视频软广植入城市安防视频关键物解析车辆识别边看边买图搜索数据量、运算力和算法模型是影响计算机视觉行业发展的三大要素。2000年之后，数据量的上涨、运算力的提升和深度学习算法的出现促进了计算机视觉行业的发展。数据量和算法可以分别比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集归纳出的识别逻辑，好的算法模型可以实现精准的物体和场景识别。而数据集的丰富性和大规模性对算法的训练尤为重要。海量而优质的场景数据可以助力训练高效精准进行。以人脸识别为例，训练该算法模型的图片数据量至少应为百万级别。计算机视觉技术核心要素：数据量、运算力、算法模型2000年以来，得益于互联网和硬件设备的高速发展，全球可用场景数据量急剧增加，这为通过深度学习的方法来训练计算机视觉技术提供良好发展条件。大数据算法成熟模型训练包装组合优化01020304050200920102011201220132014201520162017E2018E2019E2020E2009-2020年全球总体数据量（单位：ZB）并行运算和GPU硬件的出现，使得运算能力大大提升，有效缩短了训练时间 ，加速了技术的更新换代。并行运算数据来源：公开数据整理•视频识别视频对象提取视频追踪•图片识别人像识别场景识别字符识别物体识别•模式匹配对比检验技术层智能硬件VR/AR无人机作为核心技术应用于…智能应用公交违章查询美颜贴图图搜索医学图像辅助诊断工厂查漏……计算机视觉产业链硬件支持芯片 CPU GPU信号处理数学机器学习物理学人工智能成像技术…SVM深度学习CNN算法支持…应用于DNN计算机视觉技术平台一站式解决方案嵌入式视觉软件机器人应用端基础层数据集真实数据模拟数据计算机视觉识别步骤图像预处理机器判别图像分割特征提取模型建立•图像去噪•图像平滑•标准化配准•缺失值/异常值处理…•将目标与背景分隔开：•灰度分割•专家经验分割•统计分布分割•特征选择•纹理，灰度，形状，结构等特征•分类•聚类投入应用加速训练进程；提高准确率；增加模型稳定性。数据来源：iiMedia ResearchiiMedia Research(艾媒咨询)数据显示，2016年中国人工智能产业规模已突破100亿元，以43.3%的增长率高速增长，预计2017年产业规模将以51.2%的增长率达到152.1亿元，并于2019年增长至344.3亿元。艾媒咨询分析师认为，中国人工智能产业起步相对较晚，随着科技、制造等业界巨头公司的布局深入，人工智能产业的规模将进一步扩大。计算机视觉作为人工智能的子领域，其发展和应用也很大程度受到人工智能核心技术的影响。未来，作为人工智能子领域的计算机视觉产业规模也会相应扩大。计算机视觉行业规模将进一步扩大51.770.2100.6152.1238.2344.335.8%43.3%51.2%56.6%44.5%0.00%10.00%20.00%30.00%40.00%50.00%60.00%0501001502002503003504002014201520162017E2018E2019E2014-2019中国人工智能产业规模及预测产业规模（亿元）增长率全球计算机视觉行业资讯2017年6月，谷歌在自家的科研博客上发文，宣布开源MobileNets ——一组移动端优先的计算机视觉模型。通过TensorFlow Mobile，这些模型可以在脱机状态下在移动设备上高效运行。2017年6月，由英特尔和触景无限联合举办了名为“让机器看懂世界”的AI论坛，会上触景无限还发布了新一代双目“视觉卡 Vision Card”，视觉卡最终以长条板卡的形式呈现，能够通过双目摄像头为智能硬件提供图像识别与环境感知能力。Facebook在西雅图 Data@Scale 大会上公布的一篇研究论文中表示，已成功开发一套新的计算机视觉系统，该系统在每秒钟可完成4万张图片的训练 。 此 后 在60分钟内完成ImageNet-1K的数据集（共计120万张图片）的训练成为可能，且质量也不会降低。而在现阶段，完成数据集的训练至少需要几天时间。中国计算机视觉行业资讯在手机影像领域，商汤科技的SensePhoto如今已经与包括OPPO、vivo、华为、小米等在内的前十大国产手机中的大部分品牌合作，市场占有率持续增长的同时，也将智能化的影像体验带给数亿的网民。商汤科技2017年7月完成B轮共计4.1亿美元的B轮融资，其中，科大讯飞公司的全资子公司少量持股商汤科技。2017年3月，东方网力、京山轻机、汤臣倍健三家上市公司与成员单位物灵科技、格灵深瞳及奇点汽车联合真格基金共同发起万象人工智能研究院。三家上市公司计划将出资不超过5亿人民币，在北京、武汉、深圳、硅谷设立研究与孵化机构，打造成为产业应用驱动的人工智能加速器。艾媒咨询分析师认为，合作公司对于格灵深瞳或许会有资金和数据方面的倾斜，而格灵深瞳会为他们带来技术上的支持。Yi+背靠阿里主营应用在视频、图片中的计算机视觉引擎，拥有优酷、天猫魔盒、华数TV、响巢看看的优质资源流量，覆盖流量日活数千万，同时在与多家其他视频平台和内容方在深入对接。2017年4月，Yi+联合伙伴共同打造互动电视广告平台为5大电视厂商（海信、创维、长虹、TCL、康佳）与5大牌照方（华数、百事通、芒果TV、ICNTV、优朋普乐-双牌照方授权）打造互动电视广告平台；2017年7月，Yi+荣膺“中国最有潜力的创业新贵榜”创业邦《2017中国人工智能创新公司50强》计算机视觉行业部分融资情况注：以上仅列举行业内部分公司，数据来源于公开资料整理公司名称创立时间最新融资轮次最新融资时间投资方创业方向依图科技2012C轮2017.05高瓴资本云锋基金红杉资本中国高榕资本真格基金安防/金融/互联网应用旷视科技2012B+轮2015.01创新工场/启明创投安防/金融/互联网应用商汤科技2014B轮2017.07B1轮由私募公司鼎晖领投；B2轮由赛领资本领投安防/金融/互联网应用Yi+2014B轮2017.06海通证券百融骏集团北京银行旗下基金媒体/广电/营销图普科技2014A轮2016.9晨兴资本北极光创投互联网应用格灵深瞳2013A轮2014.06红杉资本中国安防/金融/无人驾驶/医疗应用云从科技2015A轮2015.12安防/金融/无人驾驶图森科技2015A轮2016.01新浪微博互联网/ADAS应用计算机视觉行业痛点随着计算机视觉技术垂直化推动，计算机视觉领域行业细分相较上一阶段有了明显的改进（如Yi+主营图像与视频中“边看边X”创新能力及场景营销赋予解决方案），但仍不够细致，很多企业是兼顾型全方位发展，各领域区分比较模糊。艾媒咨询分析师认为，这是由于计算机视觉相对来说是一个比较新颖的概念，目前各领域的技术都还欠缺成熟。技术问题是计算机视觉乃至整个人工智能行业的重中之重。目前技术更迭脚步加快，各算法已经从源方面有了质的优化，但是目前算法的稳健性还欠缺实践的检验和考量，其实际应用能力仍待时间检验。计算机视觉的准确性比较受所给图像影响，目前训练图像数量不够会导致训练效果受一部分受损或者模糊图像的干扰较大。一方面大数据概念建立以后数据库共享将可能成为现实，届时图像数量会有很大改善；另一方面，一些公司已经将这种误差纳入考虑范围之内，增加算法对于模糊以及偏差较大图像的识别和自动修复，未来误差问题将很有可能被合理规避。PART TWO2017上半年中国计算机视觉专题用户研究2数据来源：iiMedia Research9.0%14.7%16.9%23.5%33.2%39.3%43.2%63.8...