计算机视觉在人工智能里可以类比于人类的眼睛,是在感知层上最为重要的核心技术之一。计算机视觉技术模拟生物视觉,将捕捉到的图像中的数据及信息进行分析识别、检测、跟踪等,真正去“识别”和“理解”这些图像。目前此项技术已经广泛应用到安防、自动驾驶、医疗、消费等,也是目前人工智能技术中落地最广的技术之一。
1
计算机视觉发展局经历四个阶段
第一阶段是马尔计算视觉。1982年大卫马尔(David Marr)的《视觉》一书在计算机视觉领域中起到了关键性的作用,它标志着计算机视觉正式成为一门独立的学科。马尔的计算视觉分为三个层次:计算理论、表达和算法以及算法实现。马尔认为,大脑的神经计算和计算机的数值计算没有本质区别,而从现在神经科学的进展看,“神经计算”与数值计算在有些情况下还是会产生本质区别。
主动视觉与目的视觉是第二阶段,学术界几位教授对马尔视觉计算理论提出了反对意见,认为缺乏主动性、目的性和应用性。但由于这段时期没有过多进展,对后续计算机视觉的发展影响不大,因此很多时候没有把这一阶段单独列出介绍。
多视几何和分层三维重建是计算机视觉发展的第三阶段,其中代表人物包括法国的O﹒Faugeras,澳大利亚国立大学的R﹒Hartely和英国牛津大学的A﹒Zisserman,在这方面的研究重点是如何快速、鲁棒地重建大场景。
最后来到了当代计算机视觉的阶段,基于深度学习的视觉。在此阶段中,文献大体上分为两个个阶段:以流形学习为代表的子空间法和目前以深度神经网络和深度学习为代表的视觉方法。
2
计算机视觉行业市场规模复合增长超100%
目前计算机视觉行业增速持续保持较高的增长趋势,深度学习和卷积神经网络技术的推动着计算机视觉技术,