2020年計算機視覺復合增速超100%

就如同我們在之前在人工智能相關文章中的說明，對于人工智能核心產(chǎn)業(yè)到底包含哪些、統(tǒng)計人工智能規(guī)模的時候是否包含AI+產(chǎn)業(yè)...等等問題，國內外權威研究機構尚未有統(tǒng)一的口徑和標準，造成各大機構對我國人工智能規(guī)模到底有多大這個問題的解讀差異較大，從100億、200億到700億，各種說法不一而足。

這一點也同樣發(fā)生在計算機視覺上，根據(jù)前瞻產(chǎn)業(yè)研究院《2018-2023年中國機器視覺產(chǎn)業(yè)發(fā)展前景與投資預測分析報告》對CAICT（中國信息通信研究院）、Ganter、CBInsights等機構發(fā)布的數(shù)據(jù)匯總，2017年我國計算機視覺市場規(guī)模的增速都超過了110%，對2020年我國計算機視覺市場規(guī)模的預測也非常樂觀，增速基本上也都在100%以上。

計算機視覺應用領域逐漸拓寬

2016年下半年開始，1：N人臉識別、視頻結構化等計算機視覺相關技術在安防領域的實戰(zhàn)場景中突破工業(yè)化紅線，敲響了計算機視覺行業(yè)市場大規(guī)模爆發(fā)的前奏。目前安防影像是計算機視覺最大的應用場景，2017年占比達到近七成。

2017年計算機視覺技術在更多的領域有所落地應用，自動駕駛領域、高考、政務等領域更多的場景開始應用計算機視覺技術。

伴隨著技術成熟度提高，人臉識別、物體識別等分類、分割算法不算提升精度，未來將有更多的場景能夠應用計算機視覺技術，計算機視覺企業(yè)應在強化技術打造的前提下，發(fā)掘更多新的應用領域，提高商業(yè)落地應用。

深度學習重要性更加明顯

深度學習在計算機視覺領域的應用能有效提高其識別精度，助力其實際落地，在各行業(yè)得以實現(xiàn)應用，2017年深度學習技術的重要性得到進一步體現(xiàn)，海內外互聯(lián)網(wǎng)巨頭企業(yè)在深度學習領域均加強了布局。

尤其是百度在深度學習上走得最遠，與國際最為接近，其DeepSpeech2深度語音學習技術被《麻省理工科技評論》評為十大突破性技術，并且在“全球50大創(chuàng)新公司”中，將百度列為了第2的創(chuàng)新公司，直接排在特斯拉、中興、華為之上。同時又在今年10月份《財富》雜志，又將百度與谷歌、微軟、臉書并列稱為AI四巨頭，是唯一的中國企業(yè)。

2018年1月，百度成立數(shù)據(jù)可視化實驗室，并發(fā)布深度學習可視化平臺VisualDL。

機器視覺+人臉識別的爆發(fā)應用

2017年人臉識別技術在智能手機終端應用開始普及，自iPhoneX宣布引入FaceID高精度人臉識別技術后，華為、小米、OPPO、vivo等手機廠商紛紛跟進，都推出了帶人臉識別功能的智能手機。

計算機視覺領域內人臉識別功能可應用場景廣泛，商業(yè)化落地能力強，除了計算機視覺創(chuàng)業(yè)企業(yè)，互聯(lián)網(wǎng)巨頭和硬件巨頭企業(yè)也紛紛關注布局人臉識別領域。但目前人臉識別技術仍然存在一定缺陷，現(xiàn)階段人臉識別技術在智能手機終端上的應用仍處于起步發(fā)展階段，技術和安全性仍有待提高，未來隨著各計算機視覺企業(yè)加強技術研發(fā)，人臉識別技術有望進一步改善，成為智能手機標配。