计算机视觉■推动计算机视觉和视觉AI发展的四大关键趋势
产业智能官
EVA act视觉系统设计
本文讨论了推动视觉应用快速发展和影响行业未来的关键趋势 , 解释了这些趋势背后的推动因素 , 并强调了对技术供应商、解决方案开发者和最终用户的关键影响 。
早在2011年嵌入式视觉联盟(EVA)成立时 , 其创始公司就认为 , 在广泛的市场范围内 , 在实用计算机视觉技术和解决方案领域的投资、创新和部署 , 将很快出现前所未有的增长 。在不到十年后 , 这一预测就真正实现了 。在过去的六年中 , 美国和中国在计算机视觉公司领域的投资都在加速 , 过去六年的投资额增长了100倍 , 并且增长速度没有任何放缓的迹象(见图1a) 。
文章图片
文章图片
图1a:全球在计算机视觉公司领域的投资显著增加 , 并且没有放缓迹象 。(来源:Woodside Capital/Crunchbase)
这些投资正在刺激这些公司及其合作伙伴和客户加速在视觉领域的研究、开发和部署活动 。EVA会定期对视觉开发者社区就各种主题开展调查 , 最新调查结果表明 , 93%的被调查组织表示 , 未来一年中在视觉领域的投入会增加(其中61%表示会大幅增加)(见图1b) 。
文章图片
文章图片
图1b:2019年 , 开发者在视觉领域的投入将显著增加 。(来源:EVA)
预计这些增加的活动将转化为收入的增加;例如 , Tractica最近发布的一份市场研究报告预测 , 从现在到2025年 , 计算机视觉市场(包括硬件、软件和服务 , 见图1c)的收入将增加25倍 , 到2025年将超过260亿美元 。
文章图片
文章图片
图1c:全球范围内对计算机视觉相关公司的投资 , 将驱动这些公司未来的收入大幅增长 。
(来源:Tractica)
其中 , 有四大关键趋势正在驱动这些增长 , 它们分别是:(1)深度学习;(2)3D传感;(3)快速、便宜、节能的处理器;(4)硬件和软件的普及化 。
趋势一、深度学习
传统上 , 计算机视觉应用依赖于专用的算法 , 这些算法经过精心设计以识别特定的特征(如边缘、角落、物体) 。然而最近 , 卷积神经网络(CNN)和其他深度学习方法已经在各种图像理解任务上 , 表现得优于传统算法 。与传统算法相比 , 深度学习方法是通过实例训练的通用学习算法 , 来识别特定的特征 , 包括物体类型和位置 。深度神经网络(DNN)已经改变了计算机视觉领域 , 其在识别物体、在一帧图像内定位物体以及确定哪个像素属于哪个物体等功能上 , 都提供了优越的结果 。即使是像光流和立体匹配这样的已经用传统技术能很好地解决的问题 , 现在也可以用深度学习技术找到更好的解决方案 。
此外 , 基于深度学习的视觉处理方法 , 在解决许多问题上都优于传统的计算机视觉算法 。ImageNet图像识别挑战赛获奖者的结果表明 , 从几年前开始 , 在相同的任务和相同的数据集中 , 深度学习在识别物体方面的准确性开始超过典型的人类功能(见图2a) 。深度神经网络也被训练、以填补照片中缺失的补丁 , 与能够熟练处理图片的操作员的技能相匹配 , 同时能够比人更快地提供处理结果 。而且 , 训练有素的神经网络甚至开始产生远超越技术娴熟的人类所能做出的成就 , 例如从非常差的曝光照片中产生可接受的图像(见图2b) 。
【计算机视觉■推动计算机视觉和视觉AI发展的四大关键趋势】
推荐阅读
- 「」填补国内高端视觉传感器空白?锐思智芯完成天使轮融资
- 『技术』互联网时代,技术驱动,数据分析,推动企业创新服务!
- 「」提前发现前方车位 小鹏P7泊车视觉识别系统更智能了
- [搜狐新闻]粮油码垛包装生产线,推动智能化生产
- 『步步高vivo』vivo S6多瑙河突破艺术边界,将音乐视觉化,将科技注入灵魂
- 纳德拉■微软 CEO 纳德拉:智能云与智能边缘推动社会数字化转型
- 开放平台■软硬一体化! 百度大脑开放平台发布“度目”视觉硬件系列产品
- 『karl』视觉设计软件公司「Lucid Software」获 5200 万美元融资,帮助用户构建工作图表
- 电子工程世界网■Pixelworks第五代视觉处理器让一加8手机呈现完美的显示效果
- 「」2.5D视觉系统“Eyes”实现机器人应用的极致简易操作
