前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計算機(jī)視覺發(fā)展報告范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計算機(jī)視覺發(fā)展報告范文第1篇

關(guān)鍵詞 模式分析 計算機(jī)視覺 教學(xué)改革

中圖分類號：G643.2 文獻(xiàn)標(biāo)識碼：A DOI：10.16400/ki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析與智能計算研究所師資團(tuán)隊(duì)是江蘇省“青藍(lán)工程”創(chuàng)新團(tuán)隊(duì)，主要研究領(lǐng)域包括智能數(shù)據(jù)分析、圖像處理和機(jī)器視覺等方向，承擔(dān)研究生和本科生的模式識別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計算機(jī)視覺等課程的教學(xué)任務(wù)。以往的教學(xué)過程中雖然積累了豐富的教學(xué)經(jīng)驗(yàn)，但當(dāng)前新知識不斷涌現(xiàn)、新技術(shù)發(fā)展迅猛，對模式分析與視覺處理課程群的知識體系、實(shí)踐體系改進(jìn)提出了新的挑戰(zhàn)。

近年來，國內(nèi)外高校在該類課程教學(xué)上，已涌現(xiàn)出眾多新理念、新方法。Coursera聯(lián)合創(chuàng)始人Andrew Ng推出的機(jī)器學(xué)習(xí)課程，開啟了教育領(lǐng)域的MOOC時代，引領(lǐng)了教育教學(xué)方法的新革命。①深圳大學(xué)、②江蘇科技大學(xué)③分別進(jìn)行了基于CDIO工程教育理念的計算機(jī)視覺課程教學(xué)改革實(shí)踐，實(shí)現(xiàn)多層次項(xiàng)目設(shè)計的教學(xué)模式改革，講座式、討論式、實(shí)踐式教學(xué)方法的探索。國防科技大學(xué)④在計算機(jī)視覺課程中引入研討式教學(xué)模式，通過案例教學(xué)、小組研討的方式來替代傳統(tǒng)的教學(xué)方式。華中科技大學(xué)⑤從教學(xué)內(nèi)容國際化、教學(xué)方式國際化、教學(xué)成果國際化三個方面開展了計算機(jī)視覺課程的國際化建設(shè)。另外，也有高校進(jìn)行了圖像工程課程群建設(shè)，⑥基于圖像分析與計算機(jī)視覺應(yīng)用課程結(jié)合的項(xiàng)目協(xié)同創(chuàng)新能力培養(yǎng)實(shí)踐。⑦

在分析上述國內(nèi)外高校該類課程改革的基礎(chǔ)上，我們重點(diǎn)以模式分析與視覺處理課程群的實(shí)踐教學(xué)體系改革為切入點(diǎn)，優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式，實(shí)現(xiàn)學(xué)生國際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

2 模式分析與視覺處理課程群特點(diǎn)

模式分析與視覺處理課程群涵蓋了模式識別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)字圖像處理、計算機(jī)視覺等多門課程。該類課程存在以下特點(diǎn)。

（1）該類課程屬于多學(xué)科交叉，涉及的知識面既廣又深。由于該方向涉及計算機(jī)科學(xué)與技術(shù)、應(yīng)用數(shù)學(xué)、自動化、電子科學(xué)與技術(shù)、信息工程等多學(xué)科內(nèi)容，而學(xué)生在大學(xué)本科階段很難學(xué)習(xí)和了解如此多的知識模塊，這對研究生階段學(xué)習(xí)來說，具有相當(dāng)大的挑戰(zhàn)。同時，對于每個知識模塊，所要求的數(shù)學(xué)基礎(chǔ)較高，理論具有相當(dāng)?shù)纳疃?，理解和掌握不容易?/p>

（2）該類課程既重視扎實(shí)的基礎(chǔ)理論，也強(qiáng)調(diào)良好的工程實(shí)踐能力。該類課程的基礎(chǔ)理論教學(xué)一直受到各高校的重視。隨著近年來產(chǎn)業(yè)界的迅猛發(fā)展，計算機(jī)視覺應(yīng)用層出不窮，對學(xué)生的工程實(shí)踐也提出了更高要求，需要能夠在系統(tǒng)層次上有整體認(rèn)知，同時要能對各功能模塊進(jìn)行優(yōu)化，提升系統(tǒng)的整體性能。

（3）該類課程所面向的選修學(xué)生面廣。該類課程既是多學(xué)科交叉，也面向計算機(jī)應(yīng)用、電子科學(xué)與技術(shù)、自動化、應(yīng)用數(shù)學(xué)等不同研究方向、不同水平層次的研究生開設(shè)。這對課堂教學(xué)和實(shí)驗(yàn)實(shí)踐也帶來更大挑戰(zhàn)。

3 模式分析與視覺處理課程群改革舉措

針對上述分析的課程群特點(diǎn)，我們重點(diǎn)以實(shí)踐體系改革為突破口，通過優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式等舉措，實(shí)現(xiàn)學(xué)生國際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

3.1 師資隊(duì)伍結(jié)構(gòu)優(yōu)化

為了學(xué)生能夠適應(yīng)模式分析與視覺處理產(chǎn)業(yè)的快速發(fā)展，在課程群建設(shè)過程中更強(qiáng)調(diào)學(xué)生的工程實(shí)踐和創(chuàng)新能力培養(yǎng)。這首先對師資隊(duì)伍結(jié)構(gòu)提出了新的要求。

近年來，課程教學(xué)團(tuán)隊(duì)引進(jìn)海內(nèi)外具有深厚理論功底和較強(qiáng)工程能力的高水平師資4名，大大充實(shí)了機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、圖像處理等課程的教學(xué)力量。對于現(xiàn)有教師隊(duì)伍，鼓勵教師跟產(chǎn)業(yè)一線企業(yè)廣泛合作，目前已與華為、中興等企業(yè)在視頻檢索、智能交通視覺處理等方面開展了實(shí)質(zhì)合作。這些來源于產(chǎn)業(yè)界的高質(zhì)量課題對科研和教學(xué)起到了良好的促進(jìn)作用。

與此同時，通過研究生工作站、企業(yè)短期實(shí)習(xí)等渠道，鼓勵企業(yè)高級研發(fā)人員參與到學(xué)生實(shí)踐能力培養(yǎng)環(huán)節(jié)中，將實(shí)際項(xiàng)目進(jìn)行適當(dāng)切分或提煉，實(shí)現(xiàn)該類課程實(shí)踐環(huán)節(jié)的模塊化、專題化訓(xùn)練。

綜上，通過引培并舉，優(yōu)化校內(nèi)師資隊(duì)伍結(jié)構(gòu)；通過校企合作，積極吸引企業(yè)師資參與。良好的師資隊(duì)伍為該類課程的實(shí)踐體系改革提供了有力支撐。

3.2 課程群知識體系梳理與授課模式改革

模式識別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計算機(jī)視覺等課程既有一定的邏輯關(guān)系，也存在相互交叉的混雜關(guān)系。一般認(rèn)為，模式識別、機(jī)器學(xué)習(xí)是模式分析與視覺處理領(lǐng)域的基礎(chǔ)理論課程，數(shù)據(jù)挖掘是建立在模式識別、機(jī)器學(xué)習(xí)和數(shù)據(jù)庫基礎(chǔ)上的應(yīng)用類課程，智能信息檢索則是數(shù)據(jù)挖掘基礎(chǔ)上更為具體的應(yīng)用實(shí)現(xiàn)。數(shù)字圖像處理為計算機(jī)視覺課程提供了基礎(chǔ)支撐，計算機(jī)視覺則是在綜合利用模式識別、機(jī)器學(xué)習(xí)、數(shù)字圖像處理、數(shù)據(jù)挖掘等知識模塊基礎(chǔ)上面向應(yīng)用的系統(tǒng)實(shí)現(xiàn)。但是，這些課程也存在著知識點(diǎn)的交叉或重復(fù)。例如，模式識別和機(jī)器學(xué)習(xí)中都有貝葉斯參數(shù)估計、支持向量機(jī)模型等知識點(diǎn)，但視角和側(cè)重點(diǎn)有所不同；圖像處理、計算機(jī)視覺中都有顏色模型、成像模型等知識點(diǎn)，也同時存在與模式識別、機(jī)器學(xué)習(xí)交叉的知識點(diǎn)。

我們針對來自不同研究領(lǐng)域的學(xué)生群體，對該課程群的知識點(diǎn)進(jìn)行系統(tǒng)梳理，既避免知識點(diǎn)的重復(fù)講授，也防止重要知識點(diǎn)的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領(lǐng)域的選講知識集。學(xué)生在學(xué)習(xí)課程時，在掌握核心知識集的基礎(chǔ)上，結(jié)合自己的研究方向選擇相關(guān)的選講知識集學(xué)習(xí)。

在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機(jī)器學(xué)習(xí)的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數(shù)據(jù)挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數(shù)字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機(jī)視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內(nèi)外著名大學(xué)普遍采用。同時，每門課程都提供相關(guān)的國內(nèi)外頂級會議和期刊的列表，供學(xué)生課后追蹤研究領(lǐng)域的熱點(diǎn)問題。

在課堂授課環(huán)節(jié)上，注意采用靈活多樣的授課方式。對于核心基礎(chǔ)知識模塊，以教師講授為主，同時提供國內(nèi)外該類課程的熱門MOOC網(wǎng)址給學(xué)生參考。對于選講知識模塊，鼓勵學(xué)生事先結(jié)合各自研究方向有目的自學(xué)，在學(xué)生報告的基礎(chǔ)上進(jìn)行課堂討論方式進(jìn)行。充分發(fā)揮學(xué)生學(xué)習(xí)的主體作用，也便于教師了解學(xué)生的水平和學(xué)習(xí)狀況。

除此以外，不定期邀請國內(nèi)外著名學(xué)者來校做學(xué)術(shù)報告，讓學(xué)生充分了解該研究領(lǐng)域的最新前沿動態(tài)，并就熱點(diǎn)問題進(jìn)行專題討論。

3.3 課程群實(shí)踐體系完善與考核方式改革

工程實(shí)踐和創(chuàng)新能力的培養(yǎng)是該課程群改革的重要目標(biāo)。我們在上述師資隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識體系梳理與授課模式改革的基礎(chǔ)上，著力進(jìn)行課程群實(shí)踐體系的改革與完善。我們通過多層次菜單式的實(shí)驗(yàn)項(xiàng)目選擇、項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練、學(xué)生綜合研究能力的全面考查等方面來實(shí)現(xiàn)。

首先，整合和優(yōu)化課程群實(shí)踐內(nèi)容，實(shí)現(xiàn)多層次菜單式靈活選擇。根據(jù)各研究領(lǐng)域的要求進(jìn)行靈活搭配，根據(jù)學(xué)生個體的能力與水平選擇適當(dāng)規(guī)模和難度的實(shí)踐內(nèi)容，通過課程內(nèi)的基礎(chǔ)實(shí)驗(yàn)、課程間的綜合實(shí)驗(yàn)、課程群的創(chuàng)新實(shí)驗(yàn)來選擇和組合，如圖1所示。

圖1 多層次菜單式實(shí)驗(yàn)內(nèi)容示意圖

基礎(chǔ)型實(shí)驗(yàn)內(nèi)容主要是各課程核心知識點(diǎn)的實(shí)驗(yàn)驗(yàn)證，主要包括模式識別，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，圖像處理與分析，計算機(jī)視覺等課程的實(shí)驗(yàn)。要求選課學(xué)生對這些基礎(chǔ)實(shí)驗(yàn)必做，打下良好的研究基礎(chǔ)。

綜合探索型實(shí)驗(yàn)在基礎(chǔ)型實(shí)驗(yàn)基礎(chǔ)上，既有單門課程內(nèi)總的綜合實(shí)驗(yàn)，也有課程間知識的綜合應(yīng)用。主要分為兩大塊，包括模式分析與機(jī)器學(xué)習(xí)方向的綜合實(shí)驗(yàn)，以及圖像處理與機(jī)器視覺方向的綜合實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康闹饕轻槍@兩大塊方向重點(diǎn)知識的綜合分析和比較，能夠熟練掌握和靈活應(yīng)用。例如模式分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方向都用到的線性判別分析、支持向量機(jī)、均值聚類等內(nèi)容；圖像處理與機(jī)器視覺中的圖像特征抽取、視覺系統(tǒng)選型、目標(biāo)檢測、特定平臺的算法優(yōu)化等內(nèi)容。學(xué)生可根據(jù)各自研究方向有目的的選擇兩塊綜合實(shí)驗(yàn)的大部分內(nèi)容。

在綜合型實(shí)驗(yàn)基礎(chǔ)上，該課程群通過若干創(chuàng)新型實(shí)驗(yàn)來檢驗(yàn)學(xué)生理論知識掌握程度和實(shí)踐方法應(yīng)用能力，為后續(xù)的研究課題開展打下良好的科研素養(yǎng)。主要內(nèi)容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監(jiān)控、以及企業(yè)來源的關(guān)鍵技術(shù)等。這些項(xiàng)目實(shí)踐既涉及用到圖像處理與機(jī)器視覺的內(nèi)容，也涉及模式分析與機(jī)器學(xué)習(xí)方向的知識。并且需要學(xué)生在綜合運(yùn)用相關(guān)知識的基礎(chǔ)上有創(chuàng)新能力。

其次，重視各類項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練。一方面，鼓勵教師從國家自然科學(xué)基金、企業(yè)合作項(xiàng)目等研究中提煉出問題規(guī)模和難度適中的訓(xùn)練項(xiàng)目，作為課程群的綜合能力訓(xùn)練項(xiàng)目。另一方面，鼓勵學(xué)生參加挑戰(zhàn)杯、全國研究生智慧城市技術(shù)與創(chuàng)意設(shè)計大賽等各類具有挑戰(zhàn)性的競賽項(xiàng)目，以賽代練，提升學(xué)生的工程實(shí)踐和創(chuàng)新能力。同時，也鼓勵學(xué)生利用百度、微軟等相關(guān)研究領(lǐng)域的企業(yè)實(shí)習(xí)機(jī)會，參與產(chǎn)品一線的工程實(shí)踐能力訓(xùn)練。

再次，注重考核環(huán)節(jié)，實(shí)現(xiàn)科研素養(yǎng)和實(shí)踐能力的全面考查。只有嚴(yán)格、公平、公正的考核，才能保證實(shí)驗(yàn)實(shí)踐的質(zhì)量和水平，才能提升學(xué)生的科研素養(yǎng)和實(shí)踐能力。我們主要在手段、方式方法上進(jìn)行了改進(jìn)。在題目選擇上，根據(jù)學(xué)生個體水平和研究領(lǐng)域要求的差異，在選題上有適當(dāng)?shù)碾y易區(qū)分度，讓每位學(xué)生都有鍛煉和提升的機(jī)會；在考核方式上，采用結(jié)題書面報告來檢驗(yàn)學(xué)術(shù)論文的寫作能力，采用程序演示檢驗(yàn)系統(tǒng)的設(shè)計與實(shí)現(xiàn)水平，采用上臺匯報的方式檢驗(yàn)學(xué)生的表達(dá)能力，多管齊下全面檢查學(xué)生的綜合科研素養(yǎng)；在考核成績評定上，采用現(xiàn)場教師和學(xué)生共同評分的方式，公平合理；最后，通過網(wǎng)站展示、發(fā)表學(xué)術(shù)小論文、專利、軟件著作權(quán)等方式展示和公開優(yōu)秀成果，激發(fā)學(xué)生的學(xué)習(xí)熱情，并由此形成積累，有利于學(xué)生實(shí)驗(yàn)實(shí)踐氛圍的傳承。

4 結(jié)語

本文在分析國內(nèi)外高校模式分析與視覺處理類課程群改革現(xiàn)狀的基礎(chǔ)上，以學(xué)生國際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升為目標(biāo)，重點(diǎn)開展了師資隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識體系梳理、課程授課模式改革、課程群實(shí)踐體系完善和實(shí)踐考核模式改革等工作，取得了良好的效果，并為校內(nèi)其他課程群的教學(xué)改革作為示范推廣。

注釋

① https：///learn/machine-learning/

② 郭小勤，曹廣忠.計算機(jī)視覺課程的CDIO教學(xué)改革實(shí)踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強(qiáng).研究生機(jī)器視覺課程的CDIO教學(xué)改革實(shí)踐.計算機(jī)教育，2013.9：40-43.

④ 陳芳林，劉亞東，沈輝.在《計算機(jī)視覺》課程中引入研討式教學(xué)模式.當(dāng)代教育理論與實(shí)踐，2013.5（7）：112-114.

⑤ 王岳環(huán)，桑農(nóng)，高常鑫.計算機(jī)視覺課程的國際化教學(xué)模式.計算機(jī)教育，2014.19：101-103.

計算機(jī)視覺發(fā)展報告范文第2篇

1）等高線生成及等高線分析：等高線圖是人們傳統(tǒng)上觀測地形的主要手段?？梢栽诘雀呔€圖上精確地獲知地形的起伏程度、區(qū)域內(nèi)各部分的高程等等。等高線圖可以從格網(wǎng)數(shù)字地形模型仍TM）中獲取，也可在不規(guī)則三角形格網(wǎng)T（NI）中生成。

2）立體透視圖分析：當(dāng)用戶需要從直觀上觀察地形的概貌時，用繪制透視圖的方法（還可以用色彩）可以更逼真地顯示地形。

3）坡度分析、地表面積計算及挖、填土方體積計算：建立DTM后就可以用之計算坡度、面積和挖、填土方體積，以其作為土地適宜性評價的因子。

4）斷面圖分析：斷面圖主要有利于工程設(shè)計和工程測量，如工程勘察的縱向圖分析、地質(zhì)鉆孔分析等。

一 CIS技術(shù)在礦區(qū)土地管理信息的具體形式

在以往的測量中，選擇的測量方式還是完全采用機(jī)械的形式，但是在使用了計算機(jī)CIS技術(shù)精密測量后，完成了許多以往技術(shù)所不能達(dá)到的任務(wù)。在我們的研究中，計算機(jī)CIS技術(shù)測量的原理是通過攝像機(jī)將被處理的對象采集進(jìn)行影像采集，在多個控制點(diǎn)的數(shù)據(jù)采集完成后，系統(tǒng)會自動將這些圖像進(jìn)行整合，得出相關(guān)的幾何多變參數(shù)，再在計算機(jī)上以具體的數(shù)據(jù)顯示出來，以供礦區(qū)技術(shù)人員使用參照。

在上面所說的攝像機(jī)并不是我們通常意義上生活中使用的攝像機(jī)。它是一種可視化較強(qiáng)，表針比較敏感的測試儀?？梢詫⒁曈X中的二維形態(tài)通過顯影，記錄在機(jī)械的光譜儀上，再將這種的二維圖像做數(shù)學(xué)處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過播放儀呈現(xiàn)出三維的影像。這時的圖像變?yōu)榱Ⅲw化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點(diǎn)的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對于原始的圖像進(jìn)行預(yù)處理，不再經(jīng)過有曝光這個程序，將圖像中關(guān)鍵點(diǎn)的坐標(biāo)在整個內(nèi)部軸面上體現(xiàn)出來，提取數(shù)據(jù)幀數(shù)，再運(yùn)用機(jī)器的智能識別系統(tǒng)，對控制點(diǎn)的坐標(biāo)進(jìn)行數(shù)據(jù)分析，自動生成圖形，這也可以用于精密測量。它的優(yōu)點(diǎn)就是使用上極其的方面，基本只要架立儀器和打開開關(guān)，其他的工作機(jī)械系統(tǒng)都會自動的完成。使用的困難就是造價極其的高，不適合一般企業(yè)使用。在基于計算機(jī)視覺圖像測量中使用上的原理如下：

（1） 計算出觀察控制點(diǎn)到計算機(jī)視覺圖像測量儀器的有效距離；

（2） 得出觀察點(diǎn)到目標(biāo)控制點(diǎn)之間的三維的運(yùn)動幾何參數(shù)；

（3） 推斷出目標(biāo)控制點(diǎn)在整個平面上的表面特征（ 大多時候要求形成立體視覺） ；

（4） 還通過觀察可以判斷出目標(biāo)物體的幾何坐標(biāo)方位。

在整個計算機(jī)CIS技術(shù)精密測量的在礦區(qū)土地信息管理中最關(guān)鍵的元件就是壓力應(yīng)變電阻儀，這也是傳感器的一部分。壓力應(yīng)變電阻儀的使用方式是將應(yīng)力片粘貼在控制點(diǎn)位上，事先在物體表面打磨平整，清理干凈后，涂抹丙酮試劑，在液體完全風(fēng)干后就可以黏貼應(yīng)力片，通過導(dǎo)線的聯(lián)接，形成了一小段閉合的電路，時刻讓計算機(jī)CIS技術(shù)系統(tǒng)可以感應(yīng)到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應(yīng)力片會產(chǎn)生一定數(shù)值的電阻，在電路中，這些電阻會轉(zhuǎn)化為電流，視覺圖像系統(tǒng)接收到了電流后就會顯示在儀表盤上相應(yīng)的數(shù)據(jù)，我們就可以根據(jù)儀表盤中的數(shù)據(jù)記錄測量中的數(shù)據(jù)，很好的解決了原始機(jī)械在使用過程中大量的做無用功所消耗資源的現(xiàn)象。傳感器對每個應(yīng)點(diǎn)都進(jìn)行動態(tài)的測量，將數(shù)據(jù)模轉(zhuǎn)換成現(xiàn)實(shí)中的圖像，精確的成像可以測算出控制點(diǎn)的位置，用計算機(jī)視覺圖像精密測量結(jié)合數(shù)據(jù)方面的相關(guān)的分析，得出礦區(qū)施工中的可行性報告分析，減低了施工中的成本，將施工的預(yù)算控制在一個合理的范圍之內(nèi)。

當(dāng)無法觀察到控制點(diǎn)是，計算機(jī)CIS技術(shù)測量可以通過接收信號或是相關(guān)的頻率波段來收集數(shù)據(jù)，不會因?yàn)橐酝鶞y量的環(huán)境不好，距離太遠(yuǎn)，誤差太大的影響。

二 計算機(jī)CIS技術(shù)測量的關(guān)鍵技術(shù)分析

在計算機(jī)CIS技術(shù)測量中解決了很多以往很難完成的任務(wù)，但是在使用過程中還是發(fā)生了很多的問題。尤其在土地信息的選擇中，無法使用高幀數(shù)的圖片顯示，無法將計算機(jī)測量的關(guān)鍵技術(shù)的優(yōu)點(diǎn)發(fā)揮出來。我們就計算機(jī)CIS技術(shù)測量的關(guān)鍵技術(shù)中常見的問題進(jìn)行討論。

1. 降低失誤的概率

在很多的數(shù)據(jù)誤差中，有一部分是出現(xiàn)在人為的因素上面。對于機(jī)器的不熟悉和操作中的疏忽都會在一定程度上對圖像的視覺感模擬帶來麻煩。對于網(wǎng)絡(luò)設(shè)備的配置上，要經(jīng)常性的學(xué)習(xí)，將配置在可能的情況下設(shè)置的更加合理和使用，保證網(wǎng)絡(luò)連接系統(tǒng)的安全性。為防止更多因操作帶來的誤差，選用系統(tǒng)登入的制度，用戶在通過識別后進(jìn)入系統(tǒng)，在采集數(shù)據(jù)后，確定最終數(shù)據(jù)上又相關(guān)的再次確定的標(biāo)識，系統(tǒng)對本身有的登錄服務(wù)器和路由器有相關(guān)的資料解釋，記錄好實(shí)用操作的時間，及時備份。

2. 對于權(quán)限的控制

權(quán)限控制是針對測量關(guān)鍵所提出的一種安全保護(hù)措施，它是在使用計算機(jī)CIS技術(shù)測量的關(guān)鍵技術(shù)中對用戶和用戶組賦予一定的權(quán)限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機(jī)和其他共享資源的瀏覽和更改。圖像中的運(yùn)行服務(wù)器在停止的情況下可以做出不應(yīng)答的操作指令，立刻關(guān)閉當(dāng)前不適用的界面，加快系統(tǒng)的運(yùn)行速度，對于每天的日志文件實(shí)時監(jiān)控，一旦發(fā)現(xiàn)問題及時解決。對于數(shù)據(jù)終端的數(shù)據(jù)可采用可三維加密的方法，定時進(jìn)行安全檢測等手段來進(jìn)一步加強(qiáng)系統(tǒng)的安全性。如果通過了加密通道，系統(tǒng)可以將數(shù)據(jù)自動的保存和轉(zhuǎn)換為視圖模式，對于數(shù)據(jù)的審計和運(yùn)行可以同時進(jìn)行，這樣就可以很好的保證大地測量中的圖像數(shù)據(jù)安全，利用防護(hù)墻將采集中廢棄的數(shù)據(jù)革除在外，避免數(shù)值之間發(fā)生紊亂的現(xiàn)象，進(jìn)一步改善計算機(jī)CIS技術(shù)。

3. 開啟自動建立備份系統(tǒng)

計算機(jī)CIS技術(shù)測量的關(guān)鍵技術(shù)的完善中會常遇到系統(tǒng)突然崩潰或是圖像受到嚴(yán)重干擾導(dǎo)致無法轉(zhuǎn)換的一系列情況，發(fā)生這種情況最大的可能性就是系統(tǒng)在處理多組數(shù)據(jù)后無法重新還原成進(jìn)入界面。這時為保證圖片轉(zhuǎn)換成數(shù)字的系統(tǒng)數(shù)據(jù)不丟失，我們對系統(tǒng)進(jìn)行備份。選定固定的磁盤保存數(shù)據(jù)，定期將產(chǎn)生的數(shù)據(jù)（轉(zhuǎn)換前的圖像和轉(zhuǎn)換后的數(shù)值）導(dǎo)出，保證程序的正常運(yùn)行。當(dāng)系統(tǒng)一旦發(fā)生錯誤，可以盡快的恢復(fù)數(shù)據(jù)的初始狀態(tài)，為測量任務(wù)的完成爭取更多的時間。我們還要減少信號源周圍的干擾，定期的更新系統(tǒng)數(shù)據(jù)庫，保持?jǐn)?shù)據(jù)采集的穩(wěn)定性，把攝像機(jī)記錄出的數(shù)據(jù)節(jié)點(diǎn)保存在相應(yīng)的技術(shù)圖紙上，用這樣的方式來知道測量工作。系統(tǒng)備份的數(shù)據(jù)還可以用于數(shù)據(jù)的對比，重復(fù)測量后得出的數(shù)據(jù)，系統(tǒng)會自動也備份的數(shù)據(jù)進(jìn)行比對，發(fā)現(xiàn)誤差值在規(guī)定以外，就會做出相應(yīng)的預(yù)警，這樣也能在工作中降低出現(xiàn)誤差的概率。

三 CIS技術(shù)測量的關(guān)鍵技術(shù)遇到的困難和使用前景

計算機(jī)CIS技術(shù)測量的關(guān)鍵技術(shù)作為一種新興技術(shù)在使用時間上不過十幾年，其使用的程度已經(jīng)無法估算。正是因?yàn)樗暮唵?、使用、精度高以及自動化能力卓越的特點(diǎn)受到了礦區(qū)土地信息管理部門的廣泛青睞。在測量調(diào)控方面的這些可靠性和穩(wěn)定性也是有目共睹的。這項(xiàng)關(guān)鍵技術(shù)中涵蓋的學(xué)科非常的多，涉及到的知識也很全面，一旦出現(xiàn)了機(jī)器的故障，在維修上還是一個很大的問題，如何很好的解決計算機(jī)視覺圖像技術(shù)的相關(guān)核心問題就是當(dāng)下亟待解決的。

我們都知道，人的眼睛是可以受到吱聲的控制，想要完成礦區(qū)土地觀測是十分簡單的，但是在計算機(jī)CIS技術(shù)中，畢竟是采取攝像機(jī)取景的模式，在取得的點(diǎn)位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達(dá)不到我們設(shè)計時的初衷。所以在這些模型的構(gòu)建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴(yán)格的規(guī)定和要求，切不可盲目的實(shí)施測量，每項(xiàng)技術(shù)操作都要按規(guī)程來實(shí)施。

四 結(jié)束語

計算機(jī)視覺發(fā)展報告范文第3篇

關(guān)鍵詞：智能 傳感器

傳感器象人的五官一樣，是獲取信息的重要工具。它在工業(yè)生產(chǎn)、國防建設(shè)和科學(xué)技術(shù)領(lǐng)域發(fā)揮著巨大的作用。但與飛速發(fā)展的計算機(jī)相比較，作為“五官”的傳感器遠(yuǎn)遠(yuǎn)趕不上作為“大腦”的計算機(jī)的發(fā)展速度。

隨著測控系統(tǒng)自動化、智能化的發(fā)展，要求傳感器準(zhǔn)確度高、可靠性高、穩(wěn)定性好，而且具備一定的數(shù)據(jù)處理能力，并能夠自檢、自校、自補(bǔ)償。傳統(tǒng)的傳感器已不能滿足這樣的要求。國外有的文章稱傳統(tǒng)的傳感器為Dumb sensor（愚蠢的、笨啞的傳感器）。另外，為制造高性能的傳感器，光靠改進(jìn)材料工藝也很困難，需要利用計算機(jī)技術(shù)與傳感器技術(shù)相結(jié)合，彌補(bǔ)其性能的不足，計算機(jī)技術(shù)使傳感器技術(shù)發(fā)生了巨大的變革，微處理器（或微計算機(jī)）和傳感器相結(jié)合，產(chǎn)生功能強(qiáng)大的智能傳感器。國外稱為Intelligent sensor（智能傳感器）或Smart-sensor（靈巧的、機(jī)敏的、智能傳感器）。另外，傳統(tǒng)的傳感器一般只能測量一個參數(shù)，有些場合需要同時測量多個參數(shù)的體積小的多功能傳感器。現(xiàn)在多國科學(xué)家已重視這一方向的開拓，并已研制出一些多功能傳感器。

1 傳感器的智能化

目前國內(nèi)外學(xué)者普遍認(rèn)為.智能傳感器是由傳統(tǒng)的傳感器和微處理器（或微計算機(jī)）相結(jié)合而構(gòu)成的，它充分利用微處理器的計算和存儲能力，對傳感器的數(shù)據(jù)進(jìn)行處理，并能對它的內(nèi)部行為進(jìn)行調(diào)節(jié)，使采集的數(shù)據(jù)最佳。

傳統(tǒng)的傳感器只能作為敏感元件，檢測物理量的變化，而智能傳感器則包括測量信號調(diào)理（如濾波、放大、A/D轉(zhuǎn)換等）、數(shù)據(jù)處理、數(shù)據(jù)顯示以及自校自檢自補(bǔ)償?shù)裙δ?，圖1是智能傳感器的原理框圖。

圖1 智能傳感器原理框圖

微處理器是智能傳感器的核心，它不但可以對傳感器的測量數(shù)據(jù)進(jìn)行計算、存儲、數(shù)據(jù)處理，還可以通過反饋回路對傳感器進(jìn)行調(diào)節(jié)。由于微處理器充分發(fā)揮各種軟件的功能，可以完成硬件難以完成的任務(wù)，從而大大降低了傳感器制造的難度，提高傳感器的性能，降低成本。需要指出的是，除微處理器以外，智能傳感器相對于傳統(tǒng)傳感器的另一顯著特征是其信號調(diào)理電路。被測的物理量轉(zhuǎn)換成相應(yīng)的電信號后，送到信號調(diào)理電路中，進(jìn)行濾波、放大、轉(zhuǎn)換，再送入計算機(jī)（微處理器）中進(jìn)行處理。與計算機(jī)技術(shù)的結(jié)合，使智能傳感器相對于傳統(tǒng)傳感器具有如下功能：

①自補(bǔ)償能力：通過軟件對傳感器的非線性、溫度漂移、時間漂移、響應(yīng)時間等進(jìn)行自動補(bǔ)償。

②操作者輸入零值或某一標(biāo)準(zhǔn)量值后，自校準(zhǔn)軟件可以自動地對傳感器進(jìn)行在線校準(zhǔn)。

③自診斷功能：接通電源后，可對傳感器進(jìn)行自檢，檢查傳感器各部分是否正常，并可診斷發(fā)生故障的不見。

④數(shù)值處理功能：可以根據(jù)智能傳感器內(nèi)部程序，自動處理數(shù)據(jù)，，如進(jìn)行統(tǒng)計處理，剔除異常值等。

⑤雙向通信功能：微處理器和基本傳感器之間構(gòu)成閉環(huán)，微處理器不但接收、處理傳感器的數(shù)據(jù)，還可將信息反饋至傳感器，對測量過程進(jìn)行調(diào)節(jié)和控制。

⑥信息存儲和記憶功能。

⑦數(shù)字量輸出功能：輸出數(shù)字信號，可方便地和計算機(jī)或接口總線相連。

日前，世界各國都在研制和開發(fā)各類智能傳感器，隨著科學(xué)技術(shù)的不斷發(fā)展，智能傳感器的功能將逐步增強(qiáng)，它將利用人工神纖網(wǎng)絡(luò)、人工智能、信息處理技術(shù)（如信息融合技術(shù)、模糊理論等），使傳感器具有更加高級的功能，具有分析、判斷、自適應(yīng)、自學(xué)習(xí)的功能，并可以完成圖像識別、特征檢測、多維檢測等復(fù)雜任務(wù)。

隨著計算機(jī)技術(shù)的飛速發(fā)展，智能傳感器技術(shù)必將大放異彩。

2 智能傳感器的發(fā)展?fàn)顩r

2.1 物理轉(zhuǎn)化機(jī)理

由于集成智能傳感器可以很容易對非線性的傳遞函數(shù)進(jìn)行校正，得到一個線性度非常好的輸出結(jié)果，從而消除了非線性傳遞對傳感器應(yīng)用的制約。該機(jī)理具有穩(wěn)定性好、精確度高、靈敏度高的特點(diǎn)。利用同一硅片上集成的智能檢測電路，可以迅速提取頻率信號，使得諧振式微機(jī)械傳感器成為國際上傳感器領(lǐng)域的一個研究熱點(diǎn)。

2.2 數(shù)據(jù)融合理論

數(shù)據(jù)融合是集成智能傳感器理論的重要領(lǐng)域，也是各國研究的熱點(diǎn)，對于多個傳感器組成的陣列，數(shù)據(jù)融合技術(shù)能夠充分發(fā)揮各個傳感器的特點(diǎn)，利用其互補(bǔ)性、冗余性，提高測量信息的精度和可靠性，延長系統(tǒng)的使用壽命。

2.3 CMOS工藝兼容

目前，國外在研究二次集成技術(shù)的同時，集成智能傳感器在工藝上的研究熱點(diǎn)集中在研制與CMOS工藝兼容的各種傳感器結(jié)構(gòu)及制造工藝流程，探求在制造工藝和微機(jī)械加工技術(shù)上有所突破。

2.4 傳感器的微型化

集成智能傳感器的微型化決不僅是尺寸上的縮微與減少，而且是一種具有新機(jī)理、新結(jié)構(gòu)、新作用和新功能的高科技微型系統(tǒng)，并在智能程度上與先進(jìn)科技融合。其微型化主要基于以下發(fā)展趨勢：尺寸上的縮微和性質(zhì)上的增強(qiáng)性；各要素的集成化和用途上的多樣化；功能上的系統(tǒng)化、智能化和結(jié)構(gòu)上的復(fù)合性。

3 智能傳感器的應(yīng)用

3.1 立信眼球

由愛立信微波技術(shù)公司研制的ERIEYE（愛立信眼球）采用了智能傳感器技術(shù)和一個用戶界面友好的指揮和控制系統(tǒng)，可以快速獲取準(zhǔn)確和綜合的信息。它是一種出色的雷達(dá)系統(tǒng)，可以在陸地和水面上分辨和跟蹤海上及空中目標(biāo)，通過儀器觀測到的距離遠(yuǎn)遠(yuǎn)超過了地平線之外。

3.2 計算機(jī)視覺系統(tǒng)

在計算機(jī)視覺系統(tǒng)中，智能傳感器不僅直接確定數(shù)據(jù)集的范圍，還通過測量確保系統(tǒng)的安全。獲得需要到達(dá)的地點(diǎn)信息，安置系統(tǒng)以得到高質(zhì)量的信息。適應(yīng)實(shí)踐和環(huán)境的變化，甚至獲得特殊的指令，控制器件的動作。

4 現(xiàn)狀與發(fā)展

目前，世界各國都在研制與開發(fā)各種智能傳感器和多功能傳感器。其中最成功的是美國Honeywell公司研制的DSTJ-3000智能壓差壓力傳感器在同一塊半導(dǎo)體基片上用離子注入法配置擴(kuò)散了壓差、靜壓和溫度三個敏感元件，整個傳感器還包括變換器、多路轉(zhuǎn)換器、脈沖調(diào)制、微處理器和數(shù)字量輸出接口等。

智能傳感器是測量技術(shù)、半導(dǎo)體技術(shù)、計算技術(shù)、信息處理技術(shù)、微電子學(xué)、材料科學(xué)互相結(jié)合的綜合密集型技術(shù)。目前各國科學(xué)家正在按下列技術(shù)途徑開發(fā)研究：

（1）利用新型材料研制基本傳感器?；緜鞲衅魇侵悄軅鞲衅鞯幕A(chǔ)，它的制作及其性能對整個智能傳感器影響甚大。除硅材料具有優(yōu)良的物理特性，能夠方便地制成各種集成傳感器。此外還有功能陶瓷、石英、記憶合金等都是制作傳感器的優(yōu)質(zhì)材料。

（2）利用新的加工技術(shù)。近年來利用微加工技術(shù)日趨成熟，可以加工高性能的微結(jié)構(gòu)傳感器、ASIC制作技術(shù)，也可用于制造智能傳感器。

（3）采用新的測量原理和方法。諧振式傳感器輸出數(shù)字量，可以直接和微機(jī)及接口總線連接，不用A/D轉(zhuǎn)換器。另外，光纖傳感器、化學(xué)傳感器、生物傳感器新型傳感器，為智能傳感器提供新的信息來源。■

參考文獻(xiàn)

1.Clarkson M. Smart Sensors. Sensors， 1997， 14：14

2.White N. Intelligent Sensors. Sensor Review 1997，17（2）；9

3.ィンテリヅェントセンサシステムの現(xiàn)狀と展望。日本電氣學(xué)會，電氣學(xué)會技術(shù)報告（Ⅱ）部第272號，昭和63年6月，P4～5

計算機(jī)視覺發(fā)展報告范文第4篇

據(jù)統(tǒng)計，2017年中國人工智能核心產(chǎn)業(yè)規(guī)模超過700億元，隨著各地人工智能建設(shè)的逐步啟動，預(yù)計到2020年，中國人工智能核心產(chǎn)業(yè)規(guī)模將超過1600億元，年復(fù)合增長率將達(dá)31.7%。

隨著人工智能技術(shù)的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低，越來越多的創(chuàng)業(yè)公司加入人工智能的陣營。

2018年被稱為人工智能爆發(fā)的元年，人工智能技術(shù)應(yīng)用所催生的商業(yè)價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產(chǎn)效率及生活品質(zhì)的大幅提升。智能紅利時代開啟！資本、巨頭和創(chuàng)業(yè)公司紛紛涌入，將人工智能拉到了信息產(chǎn)業(yè)革命的風(fēng)口。

如何把握產(chǎn)業(yè)動向，抓住風(fēng)口機(jī)會？創(chuàng)業(yè)邦研究中心憑借在人工智能等前言科技領(lǐng)域持續(xù)研究、洞察的能力，在對國內(nèi)人工智能創(chuàng)業(yè)公司進(jìn)行系統(tǒng)調(diào)研的基礎(chǔ)上，推出《2018中國人工智能白皮書》，對人工智能的核心技術(shù)、主要應(yīng)用領(lǐng)域、巨頭和創(chuàng)業(yè)公司的布局、未來發(fā)展態(tài)勢和投資機(jī)會進(jìn)行了深度解析。

第一部分人工智能行業(yè)發(fā)展概述

1.人工智能概念及發(fā)展

人工智能（Artificial Intelligence， AI）又稱機(jī)器智能，是指由人制造出來的機(jī)器所表現(xiàn)出來的智能，即通過普通計算機(jī)程序的手段實(shí)現(xiàn)的類人智能技術(shù)。

自1956年達(dá)特茅斯會議提出“人工智能”的概念以來，“人工智能”經(jīng)歷了寒冬與交替的起起伏伏60多年的發(fā)展歷程。2010年以后，深度學(xué)習(xí)的發(fā)展推動語音識別、圖像識別和自然語言處理等技術(shù)取得了驚人突破，前所未有的人工智能商業(yè)化和全球化浪潮席卷而來。

人工智能發(fā)展歷程

2.人工智能產(chǎn)業(yè)鏈圖譜

人工智能產(chǎn)業(yè)鏈可以分為基礎(chǔ)設(shè)施層、應(yīng)用技術(shù)層和行業(yè)應(yīng)用層。

A基礎(chǔ)層，主要有基礎(chǔ)數(shù)據(jù)提供商、半導(dǎo)體芯片供應(yīng)商、傳感器供應(yīng)商和云服務(wù)商。

B技術(shù)層，主要有語音識別、自然語言處理、計算機(jī)視覺、深度學(xué)習(xí)技術(shù)提供商。

C應(yīng)用層，主要是把人工智能相關(guān)技術(shù)集成到自己的產(chǎn)品和服務(wù)中，然后切入特定場景。目前來看，自動駕駛、醫(yī)療、安防、金融、營銷等領(lǐng)域是業(yè)內(nèi)人士普遍比較看好方向。

人工智能產(chǎn)業(yè)鏈

資料來源：創(chuàng)業(yè)邦研究中心

第二部分人工智能行業(yè)巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發(fā)力。

資料來源：券商報告、互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理

第三部分機(jī)器視覺技術(shù)解讀及行業(yè)分析

1.機(jī)器視覺技術(shù)概念

機(jī)器視覺是指通過用計算機(jī)或圖像處理器及相關(guān)設(shè)備來模擬人類視覺，以讓機(jī)器獲得相關(guān)的視覺信息并加以理解，它是將圖像轉(zhuǎn)換成數(shù)字信號進(jìn)行分析處理的技術(shù)。

機(jī)器視覺的兩個組成部分

資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理

2.發(fā)展關(guān)鍵要素：數(shù)據(jù)、算力和算法

數(shù)據(jù)、算力和算法是影響機(jī)器視覺行業(yè)發(fā)展的三要素。 人工智能正在像嬰兒一樣成長，機(jī)器不再只是通過特定的編程完成任務(wù)，而是通過不斷學(xué)習(xí)來掌握本領(lǐng)，這主要依賴高效的模型算法進(jìn)行大量數(shù)據(jù)訓(xùn)練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學(xué)習(xí)出現(xiàn)后，機(jī)器視覺的主要識別方式發(fā)生重大轉(zhuǎn)變，自學(xué)習(xí)狀態(tài)成為視覺識別主流，即機(jī)器從海量數(shù)據(jù)里自行歸納特征，然后按照該特征規(guī)律使圖像識別的精準(zhǔn)度也得到極大的提升，從70%+提升到95%。

3.商業(yè)模式分析

機(jī)器視覺包括軟件平臺開發(fā)和軟硬件一體解決方案服務(wù)。整體用戶更偏向于B端。軟件服務(wù)提供商作為技術(shù)算法的驅(qū)動者，其商業(yè)模式應(yīng)以“技術(shù)層+場景應(yīng)用”作為突破口。軟硬件一體化服務(wù)供應(yīng)商作為生態(tài)構(gòu)建者，適合以“全產(chǎn)業(yè)鏈生態(tài)+場景應(yīng)用”作為突破口，加速商業(yè)化。

（1）軟件服務(wù)：技術(shù)算法驅(qū)動者—“技術(shù)層+場景應(yīng)用”作為突破口

這種商業(yè)模式主要是提供以工程師為主的企業(yè)級軟件服務(wù)。有海量數(shù)據(jù)支撐，構(gòu)建起功能和信息架構(gòu)較為復(fù)雜的生態(tài)系統(tǒng)，推動最末端的消費(fèi)者體驗(yàn)。

此類商業(yè)模式成功關(guān)鍵因素：深耕算法和通用技術(shù)，建立技術(shù)優(yōu)勢，同時以場景應(yīng)用為入口，積累用戶軟件。視覺軟件服務(wù)按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內(nèi)外基礎(chǔ)算法應(yīng)用對比

資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理

（2）軟硬件一體化：生態(tài)構(gòu)建者—“全產(chǎn)業(yè)鏈生態(tài)+場景應(yīng)用”作為突破口

軟硬一體化的商業(yè)模式是一種“終端+軟件+服務(wù)”全產(chǎn)業(yè)鏈體系。成功的因素是大量算力投入，海量優(yōu)質(zhì)數(shù)據(jù)積累，建立算法平臺、通用技術(shù)平臺和應(yīng)用平臺，以場景為入口，積累用戶。亮點(diǎn)是打造終端、操作系統(tǒng)、應(yīng)用和服務(wù)一體化的生態(tài)系統(tǒng)，各部分相輔相承，銳化企業(yè)競爭力，在產(chǎn)業(yè)鏈中擁有更多話語權(quán)。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設(shè)備

從需求層面講，一些場景對實(shí)時響應(yīng)是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設(shè)備將有很大市場需求。前置計算讓前端設(shè)備成為數(shù)據(jù)采集設(shè)備和數(shù)據(jù)處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機(jī)器視覺在消費(fèi)領(lǐng)域落地的一個障礙是支持高性能運(yùn)算的低功耗、低價位芯片選擇太少。從低功耗、高運(yùn)算能力的芯片出發(fā)，結(jié)合先進(jìn)的算法開發(fā)模塊和產(chǎn)品，這類企業(yè)將在機(jī)器視覺領(lǐng)域擁有核心競爭力。

（2）深度學(xué)習(xí)解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當(dāng)大的市場空間。以手勢識別為例，傳統(tǒng)的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學(xué)習(xí)，如通過 R-CNN 訓(xùn)練大量標(biāo)注后的手勢圖像數(shù)據(jù)，得到的模型在處理帶有復(fù)雜背景及暗光環(huán)境下的手勢識別問題時，比傳統(tǒng)方案的效果好很多。

（3）新興服務(wù)領(lǐng)域的特殊應(yīng)用

前沿技術(shù)帶來的新領(lǐng)域（如無人車、服務(wù)機(jī)器人、谷歌眼鏡等），對機(jī)器視覺提出了新要求。機(jī)器視覺可以讓機(jī)器人在多種場合實(shí)現(xiàn)應(yīng)用。服務(wù)機(jī)器人與工業(yè)機(jī)器人最大的區(qū)別就是多維空間的應(yīng)用。目前國內(nèi)的機(jī)器視覺，涉及三維空間、多維空間，其技術(shù)基本上處在初始階段，未來存在較大市場增長空間。

（4）數(shù)據(jù)是爭奪要點(diǎn)，應(yīng)用場景是著力關(guān)鍵

機(jī)器視覺的研究雖然始于學(xué)術(shù)界，但作為商業(yè)應(yīng)用，能解決實(shí)際問題才是核心的競爭力。當(dāng)一家公司先天能夠獲得大量連續(xù)不斷的優(yōu)質(zhì)場景數(shù)據(jù)，又有挖掘該數(shù)據(jù)價值的先進(jìn)技術(shù)時，商業(yè)模式和數(shù)據(jù)模式上就能形成協(xié)同效應(yīng)。創(chuàng)業(yè)公司要么通過自有平臺獲取數(shù)據(jù)，要么選擇與擁有數(shù)據(jù)源的公司進(jìn)行合作，同時選擇一個商業(yè)落地的方向，實(shí)現(xiàn)快速的數(shù)據(jù)循環(huán)。

第四部分智能語言技術(shù)解讀及行業(yè)分析

1.語音識別技術(shù)

（1）語音識別技術(shù)已趨成熟，全球應(yīng)用持續(xù)升溫

語音識別技術(shù)已趨成熟，全球應(yīng)用持續(xù)升溫。語音識別技術(shù)經(jīng)歷了長達(dá)60年的發(fā)展，近年來機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的引入，使得語音識別的準(zhǔn)確率提升到足以在實(shí)際場景中應(yīng)用。深度神經(jīng)網(wǎng)絡(luò)逐步找到模型結(jié)構(gòu)和調(diào)參算法來替代或結(jié)合高斯混合算法和HMM算法，在識別率上取得突破。根據(jù)Google Trends統(tǒng)計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達(dá)預(yù)測，2020年語音及圖像搜索占比有望達(dá)到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進(jìn)入巨頭崛起時代，開放平臺擴(kuò)大生態(tài)圈成主流

語音識別即將進(jìn)入大規(guī)模產(chǎn)業(yè)化時代。隨著亞馬遜Echo的大賣，語音交互技術(shù)催生的新商機(jī)，吸引大大小小的公司構(gòu)建自己主導(dǎo)的語音生態(tài)產(chǎn)業(yè)鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進(jìn)入他們的生態(tài)系統(tǒng)。

（3）語音識別技術(shù)發(fā)展瓶頸與趨勢

低噪聲語料下的高識別率在現(xiàn)實(shí)環(huán)境使用中會明顯下降到70-80%，遠(yuǎn)場識別、復(fù)雜噪聲環(huán)境和特異性口音的識別是下一個階段需要解決的問題。

麥克風(fēng)陣列類前端技術(shù)不僅是通過降噪和聲源定位帶來識別率的提高，帶環(huán)境音的語料的搜集、標(biāo)注可用于模型的訓(xùn)練，有助于打造更新一代的語音識別引擎技術(shù)。語音巨頭已經(jīng)在布局。

在IOT包括車載領(lǐng)域，云端識別并非通行的最優(yōu)方案，把識別引擎結(jié)合場景進(jìn)行裁剪后往芯片端遷徙是工程化發(fā)展的方向。

2.自然語言處理（NLP）發(fā)展現(xiàn)狀

（1）多技術(shù)融合應(yīng)用促進(jìn)NLP技術(shù)及應(yīng)用的發(fā)展

深度學(xué)習(xí)、算力和大數(shù)據(jù)的爆發(fā)極大促進(jìn)了自然語言處理技術(shù)的發(fā)展。深度學(xué)習(xí)在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術(shù)研究的進(jìn)展，使DL有了路徑在語義理解領(lǐng)域取得突破，并且已經(jīng)有了明顯的進(jìn)展。對話、翻譯、寫作新技術(shù)成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領(lǐng)域的投資熱度劇增。

深度學(xué)習(xí)能最大程度發(fā)揮對大數(shù)據(jù)和算力資源的利用，語義理解的發(fā)展還需要深度學(xué)習(xí)、搜索算法、知識圖譜、記憶網(wǎng)絡(luò)等知識的協(xié)同應(yīng)用，應(yīng)用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領(lǐng)域越成熟（如數(shù)據(jù)飽和度和標(biāo)準(zhǔn)性較強(qiáng)的行業(yè)），技術(shù)上實(shí)現(xiàn)可能性相對較低。在各種技術(shù)融合應(yīng)用發(fā)展的情況下，具備獲取一定優(yōu)質(zhì)數(shù)據(jù)資源能力并可結(jié)合行業(yè)Domain knowledge構(gòu)建出技術(shù)、產(chǎn)品、用戶反饋閉環(huán)的企業(yè)會有更好的發(fā)展機(jī)會。

（2）NLP主要應(yīng)用場景

問答系統(tǒng)。問答系統(tǒng)能用準(zhǔn)確、簡潔的自然語言回答用戶用自然語言提出的問題?；竟ぷ髟硎窃诰€做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進(jìn)行檢索，再將回答按匹配度進(jìn)行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學(xué)習(xí)技術(shù)，跨模態(tài)地把文本和圖片聯(lián)系起來。

機(jī)器翻譯。機(jī)器翻譯的歷史被認(rèn)為與自然語言處理的歷史是一樣的。最近，深度學(xué)習(xí)被成功地運(yùn)用到機(jī)器翻譯里，使得機(jī)器翻譯的準(zhǔn)確率大幅度提升。

對話系統(tǒng)。對話系統(tǒng)的回復(fù)是完全開放的，要求機(jī)器能準(zhǔn)確地理解問題，并且基于自身的知識系統(tǒng)和對于對話目標(biāo)的理解，去生成一個回復(fù)。

（3）創(chuàng)業(yè)公司的機(jī)遇

1)機(jī)器翻譯方面：經(jīng)過多年的探索，機(jī)器翻譯的水平已經(jīng)得到大幅度提升，在很多垂直領(lǐng)域已經(jīng)能夠在相當(dāng)大程度上替代一部分人工，機(jī)器翻譯技術(shù)的商業(yè)化應(yīng)用已經(jīng)開始進(jìn)入大規(guī)模爆發(fā)的前夜。

2)應(yīng)用于垂直領(lǐng)域的自然語言處理技術(shù)

避開巨頭們對語音交互入口的競爭，以某一細(xì)分行業(yè)為切入點(diǎn)，深耕垂直領(lǐng)域，對創(chuàng)業(yè)公司也是一個不錯的選擇。

第五部分人工智能在金融行業(yè)的應(yīng)用分析

人工智能產(chǎn)業(yè)鏈包含基礎(chǔ)層、技術(shù)層、應(yīng)用層三個層面?；A(chǔ)層的大數(shù)據(jù)、云計算等細(xì)分技術(shù)被應(yīng)用到金融征信、保險、理財管理、支付等金融細(xì)分領(lǐng)域；技術(shù)層的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與知識圖譜應(yīng)用于金融領(lǐng)域的征信與反欺詐、智能投顧、智能量化交易，計算機(jī)視覺與生物識別應(yīng)用于金融領(lǐng)域的身份識別，語音識別及自然語言處理應(yīng)用于金融領(lǐng)域的智能客服、智能投研；應(yīng)用層的認(rèn)知智能應(yīng)用于金融領(lǐng)域的智能風(fēng)控。

人工智能在金融行業(yè)的典型應(yīng)用情況

資料來源：創(chuàng)業(yè)邦研究中心

第六部分人工智能在醫(yī)療行業(yè)的應(yīng)用分析

1.人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜

人工智能在醫(yī)療行業(yè)的應(yīng)用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫(yī)學(xué)影像、智能化器械、藥物挖掘和醫(yī)院管理等領(lǐng)域均有企業(yè)在布局，其中醫(yī)學(xué)影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應(yīng)用發(fā)展速度較快。

圖 人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜

資料來源：創(chuàng)業(yè)邦研究中心

2.人工智能在醫(yī)療行業(yè)的具體應(yīng)用場景

醫(yī)學(xué)影像。人工智能應(yīng)用于醫(yī)學(xué)影像，通過深度學(xué)習(xí)，實(shí)現(xiàn)機(jī)器對醫(yī)學(xué)影像的分析判斷，是協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進(jìn)行定性定量分析，提升醫(yī)生看圖/讀圖的效率，協(xié)助發(fā)現(xiàn)隱藏病灶。 人工智能通過影像分類、目標(biāo)檢測、圖像分割、圖像檢索等方式，完成病灶識別與標(biāo)注，三維重建，靶區(qū)自動勾畫與自適應(yīng)放療等功能，應(yīng)用在疾病的篩查、診斷和治療階段。目前較為火熱的應(yīng)用有肺部篩查、糖網(wǎng)篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發(fā)上的應(yīng)用可總結(jié)為臨床前和臨床后兩個階段。臨床前階段：將深度學(xué)習(xí)技術(shù)應(yīng)用于藥物臨床前研究，在計算機(jī)上模擬藥物篩選的過程，包括靶點(diǎn)選擇、藥效和晶型分析等，預(yù)測化合物的活性、穩(wěn)定性和副作用，快速 、準(zhǔn)確地挖掘和篩選合適的化合物或生物，提高篩選效率，優(yōu)化構(gòu)效關(guān)系。臨床后階段：針對臨床試驗(yàn)的不同階段，利用人工智能技術(shù)對患者病歷進(jìn)行分析，迅速篩選符合條件的被試者，監(jiān)測管理臨床試驗(yàn)過程中的患者服藥依從性和數(shù)據(jù)收集過程，提高臨床試驗(yàn)的準(zhǔn)確性。

虛擬助理。醫(yī)療虛擬助理是基于醫(yī)療領(lǐng)域的知識系統(tǒng)，通過人工智能技術(shù)實(shí)現(xiàn)人機(jī)交互，從而在就醫(yī)過程中，承擔(dān)診前問詢、診中記錄等工作，成為醫(yī)務(wù)人員的合作伙伴，使醫(yī)生有更多時間可以與患者互動。醫(yī)療虛擬助理根據(jù)參與就醫(yī)過程的功能不同，主要有智能導(dǎo)診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業(yè)分析

1.智能駕駛行業(yè)產(chǎn)業(yè)鏈

智能駕駛行業(yè)的中心業(yè)務(wù)是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費(fèi)者，在整個業(yè)務(wù)鏈中扮演至關(guān)重要的一環(huán)。

產(chǎn)業(yè)鏈上游廠商多為細(xì)分技術(shù)提供商，如深度學(xué)習(xí)、人機(jī)交互、圖像識別和新材料、新制造新能源等。

智能駕駛產(chǎn)業(yè)鏈圖譜

資料來源：創(chuàng)業(yè)邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術(shù)的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內(nèi)處于高速滲透期，然 后伴隨半無人駕駛的普及進(jìn)入穩(wěn)速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產(chǎn)業(yè)鏈的配合而進(jìn)入市場成熟期。預(yù)測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達(dá)到 15%，單車應(yīng)用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產(chǎn)業(yè)帶來全面的市場機(jī)會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產(chǎn)量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發(fā)展，年復(fù)合增長率將達(dá)到43%，并在2035年達(dá)到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產(chǎn)業(yè)鏈衍生市場的大規(guī)模催化擴(kuò)張。

根據(jù)獨(dú)立市場調(diào)研機(jī)構(gòu) Strategy Engineers 的預(yù)測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統(tǒng)整合占比 14%，車聯(lián)網(wǎng)部分占比 11%。按照全球 1 億輛量 產(chǎn)規(guī)模計算，理想假設(shè)所有車輛全部達(dá)到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規(guī)模在 2020 年 將達(dá)到 3100 億美元。

第八部分中國人工智能企業(yè)畫像分析

隨著人工智能技術(shù)的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低。創(chuàng)新的大門吸引眾多創(chuàng)業(yè)企業(yè)進(jìn)入。為了觀察行業(yè)風(fēng)向，助力創(chuàng)新企業(yè)發(fā)展，創(chuàng)業(yè)邦研究中心對國內(nèi)200多家人工智能創(chuàng)業(yè)公司進(jìn)行了系統(tǒng)調(diào)研，從發(fā)展能力、創(chuàng)新能力、融資能力等多維度指標(biāo)，評選出“2018中國人工智能創(chuàng)新成長企業(yè)50強(qiáng)”。

地域分布

全國88%的人工智能企業(yè)聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業(yè)最多，占比高達(dá)39.66%;其次是上海，人工智能企業(yè)占比達(dá)21.55%;位列第三的是廣東，人工智能企業(yè)占達(dá)15.52%。北京以領(lǐng)先全國其他地區(qū)的政策環(huán)境、人才儲備、產(chǎn)業(yè)基礎(chǔ)、資本支持等，成為人工智能創(chuàng)業(yè)首要陣地;華東地區(qū)的上海、江蘇、浙江均有良好的經(jīng)濟(jì)基礎(chǔ)和科技實(shí)力，人工智能應(yīng)用實(shí)力雄厚，也聚集了一批人工智能垂直產(chǎn)業(yè)園;廣東互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達(dá)，企業(yè)對數(shù)據(jù)需求強(qiáng)烈，依靠大數(shù)據(jù)產(chǎn)業(yè)鏈推動人工智能產(chǎn)業(yè)發(fā)展。

行業(yè)分布

從行業(yè)大類分布來看，行業(yè)應(yīng)用層的企業(yè)占比最大，為56.03%;其次是應(yīng)用技術(shù)層的企業(yè)，占比達(dá)31.04%;基礎(chǔ)技術(shù)層的企業(yè)占比最小，僅為12.93%。隨著人工智能技術(shù)的發(fā)展，人工智能與場景深度融合，應(yīng)用領(lǐng)域不斷擴(kuò)展，行業(yè)應(yīng)用公司比重不斷提升。在基礎(chǔ)層技術(shù)方面，國際IT巨頭占據(jù)行業(yè)領(lǐng)先地位， 國內(nèi)與國際差距明顯，中小初創(chuàng)企業(yè)很難進(jìn)入。

從行業(yè)應(yīng)用來看，智能金融企業(yè)占比最大，為16.92%;其次是機(jī)器人企業(yè)，占比達(dá)15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業(yè)的強(qiáng)數(shù)據(jù)導(dǎo)向?yàn)槿斯ぶ悄艿穆涞靥峁┝水a(chǎn)業(yè)基礎(chǔ)，智慧金融被列入國家發(fā)展規(guī)劃中，龐大的金融市場為人工智能落地帶來了發(fā)展前景。機(jī)器人作為人工智能產(chǎn)業(yè)落地輸出， 目前市場需求較大，商業(yè)機(jī)器人占據(jù)較大份額。中國智能駕駛市場在資本推動下進(jìn)入者較多，企業(yè)積極推動應(yīng)用落地，百度、北汽等大型企業(yè)嘗試商業(yè)化落地智能駕駛汽車。人工智能推動教育個性化落地，相關(guān)初創(chuàng)企業(yè)涉入教育藍(lán)海，推動智慧教育的發(fā)展。

收入情況

收入分布在500-10000萬之間的企業(yè)最多，占比達(dá)49.14%;500萬以下的企業(yè)位居其次，占比達(dá) 26.72%;位列第三的是10000-100000萬之間的企業(yè)，占比為17.24%。

最新估值

企業(yè)最新估值均在億元級別，且分布較為均衡。三成企業(yè)估值超過15億元，還有企業(yè)估值達(dá)到百億級別，如優(yōu)必

選科技、達(dá)闥科技和商湯科技等，將來或?qū)④Q身人工智能獨(dú)角獸企業(yè)。(備注：分析樣本量剔除一半未披露企業(yè))

第九部分典型企業(yè)案例分析

1.Atman

企業(yè)概述

Atman由來自微軟的人工智能科學(xué)家和產(chǎn)業(yè)經(jīng)驗(yàn)豐富的產(chǎn)品團(tuán)隊(duì)創(chuàng)辦，提供專業(yè)領(lǐng)域機(jī)器翻譯、機(jī)器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品，致力于成為醫(yī)學(xué)、新聞、法律等專業(yè)領(lǐng)域語言智能專家，為專業(yè)領(lǐng)域用戶賦能，推動專業(yè)領(lǐng)域用戶進(jìn)入人工智能時代，助力專業(yè)領(lǐng)域文字智能水平實(shí)現(xiàn)跨越式提升。Atman已為強(qiáng)生、新華社參考消息、北大法寶、君合律師事務(wù)所等世界領(lǐng)先藥企、新聞媒體、法律服務(wù)機(jī)構(gòu)開發(fā)機(jī)器翻譯、機(jī)器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品。

目前Atman在北京和蘇州兩地運(yùn)營，能快速響應(yīng)全國各地客戶需求。

企業(yè)團(tuán)隊(duì)

創(chuàng)始人&CEO：馬磊

清華大學(xué)計算機(jī)系畢業(yè)，曾先后在微軟研究院和工程院擔(dān)任研究員和架構(gòu)師，機(jī)器學(xué)習(xí)專家、多次創(chuàng)業(yè)者、曾主導(dǎo)多項(xiàng)人工智能重大項(xiàng)目，和申請國際專利共計15+項(xiàng)。

Atman公司核心團(tuán)隊(duì)由來自微軟、百度、法電等領(lǐng)域高端人才和資深技術(shù)人才組成，公司員工40人，其中碩士以上學(xué)歷占比60%，技術(shù)開發(fā)人員占比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術(shù)與產(chǎn)品

技術(shù)方面，擅長機(jī)器學(xué)習(xí)（深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、群體智能）在復(fù)雜問題的應(yīng)用，和國際專利15項(xiàng)，Atman神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)于2016年9月首秀，早于谷歌的GNMT，專業(yè)領(lǐng)域翻譯效果在公測標(biāo)準(zhǔn)和行業(yè)客戶測試中均持續(xù)領(lǐng)先。核心產(chǎn)品為垂直領(lǐng)域機(jī)器翻譯、機(jī)器寫作、知識圖譜抽取構(gòu)建、大數(shù)據(jù)智能挖掘等語言智能產(chǎn)品。

Atman的機(jī)器翻譯產(chǎn)品可自動翻譯編輯專業(yè)文獻(xiàn)、報告、音視頻和網(wǎng)頁，支持私有部署和云端混合部署，提供包括數(shù)據(jù)隱私安全以及自學(xué)習(xí)的端到端解決方案。

機(jī)器寫作可對海量數(shù)據(jù)進(jìn)行快速搜索、過濾、聚類，根據(jù)行業(yè)需求自動生成專業(yè)文檔，適用于所有專業(yè)寫作場景，可大幅減少專業(yè)報告寫作過程中的繁復(fù)工作，大幅提升專業(yè)領(lǐng)域?qū)懽餍省?/p>

知識圖譜可實(shí)現(xiàn)海量數(shù)據(jù)的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數(shù)據(jù)智能采集挖掘系統(tǒng)為專業(yè)領(lǐng)域用戶提供智能數(shù)據(jù)源管理、海量專業(yè)數(shù)據(jù)獲取和非結(jié)構(gòu)化數(shù)據(jù)自動解析并結(jié)合知識圖譜提供auto-screening、知識重構(gòu)、專業(yè)決策輔助，幫助用戶建立強(qiáng)大的以專業(yè)大數(shù)據(jù)為基礎(chǔ)的業(yè)務(wù)輔助能力。

2.黑芝麻

企業(yè)概述

黑芝麻智能科技有限公司是一家視覺感知核心技術(shù)與應(yīng)用軟件開發(fā)企業(yè)，2016年分別在美國硅谷和上海成立研發(fā)中心，主攻領(lǐng)域?yàn)榍度胧綀D像、計算機(jī)視覺，公司核心業(yè)務(wù)是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創(chuàng)達(dá)、車聯(lián)天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費(fèi)電子、智能家居等領(lǐng)域布局為智能終端提供視覺解決方案。目前公司已經(jīng)完成A+輪融資。

企業(yè)團(tuán)隊(duì)

團(tuán)隊(duì)核心成員來自于OmniVision、博世、安霸、英偉達(dá)和高通等知名企業(yè)，平均擁有超過15年以上的產(chǎn)業(yè)經(jīng)驗(yàn)，畢業(yè)于清華、交大、中科大和浙大等知名高校。

創(chuàng)始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔(dān)任該公司的技術(shù)副總裁一職，工作內(nèi)容覆蓋了圖像傳感器研發(fā)和設(shè)計、圖像處理算法研發(fā)和圖像處理芯片設(shè)計。

核心技術(shù)和產(chǎn)品

在汽車領(lǐng)域，黑芝麻可提供車內(nèi)監(jiān)控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎(chǔ)的控光技術(shù)，到面向AI的圖像處理技術(shù)出發(fā)來提高成像質(zhì)量，以及應(yīng)用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，結(jié)合視頻處理和壓縮技術(shù)，形成從傳感器端到應(yīng)用端的處理過程；黑芝麻芯片平臺采用獨(dú)有的神經(jīng)網(wǎng)絡(luò)架構(gòu)，包括獨(dú)有的圖像處理，視頻壓縮和計算機(jī)視覺模塊，與黑芝麻視覺算法結(jié)合，采用16nm制程，設(shè)計功耗2.5w，每秒浮點(diǎn)計算達(dá)20T。

3.乂學(xué)教育

企業(yè)概述

乂學(xué)教育，成立于2014年，是一家網(wǎng)絡(luò)教育培訓(xùn)機(jī)構(gòu)，采用人工智能和大數(shù)據(jù)技術(shù)，為學(xué)生提供量身定制學(xué)習(xí)解決方案和個性化學(xué)習(xí)內(nèi)容。核心團(tuán)隊(duì)來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團(tuán)隊(duì)有全國40億toC銷售額的經(jīng)驗(yàn)。

企業(yè)自主研發(fā)了針對中國K12領(lǐng)域的學(xué)生智適應(yīng)學(xué)習(xí)產(chǎn)品，其核心部分是以高級算法為核心的智適應(yīng)學(xué)習(xí)引擎“松鼠AI”，該產(chǎn)品擁有完整自主知識產(chǎn)權(quán)，能夠模擬真實(shí)特級教師教學(xué)。企業(yè)發(fā)表的學(xué)術(shù)論文得到了全球國際學(xué)術(shù)會議AIED、CSEDU、UMAP認(rèn)可，并在紐約設(shè)計了人工智能教育實(shí)驗(yàn)室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯(lián)合實(shí)驗(yàn)室。

主要產(chǎn)品

學(xué)生智適應(yīng)學(xué)習(xí)是以學(xué)生為中心的智能化、個性化教育，在教、學(xué)、評、測、練等教學(xué)過程中應(yīng)用人工智能技術(shù)，在模擬優(yōu)秀教師的基礎(chǔ)之上，達(dá)到超越真人教學(xué)的目的。該產(chǎn)品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統(tǒng)教育課時費(fèi)用高，名師資源少，學(xué)習(xí)效率低等問題。

智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)

智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)模擬特級教師，采用圖論、概率圖模型，機(jī)器學(xué)習(xí)完成知識點(diǎn)拆分和個人學(xué)習(xí)畫像，采用神經(jīng)網(wǎng)絡(luò)、邏輯斯蒂回歸和遺傳算法為學(xué)生實(shí)時動態(tài)推薦最佳學(xué)習(xí)路徑，實(shí)現(xiàn)個性化教育。

業(yè)務(wù)模式

線上與線下，2B和2C相結(jié)合。以松鼠AI智適應(yīng)系統(tǒng)教學(xué)為主，真人教師輔助，學(xué)生通過互聯(lián)網(wǎng)在線上學(xué)習(xí)課程。開創(chuàng)教育新零售模式，授權(quán)線下合作學(xué)校，已在全國100多個城市開設(shè)500多家學(xué)校。

4.云從科技

企業(yè)概述

云從科技成立于2015年4月，是一家孵化于中國科學(xué)院重慶研究院的高科技企業(yè)，專注于計算機(jī)視覺與人工智 能。云從科技是人工智能行業(yè)國家隊(duì)，是中科院戰(zhàn)略先導(dǎo)項(xiàng)目人臉識別團(tuán)隊(duì)唯一代表，唯一一家同時受邀制定人 臉識別國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)的企業(yè)。2018年，云從科技成為祖國“一帶一路”戰(zhàn)略實(shí)行路上的人工智能先鋒，與 非洲南部第二大經(jīng)濟(jì)體津巴布韋政府完成簽約。

云從科技奠定了行業(yè)領(lǐng)導(dǎo)地位： 國家肯定，國家發(fā)改委2017、2018年人工智能重大工程承建單位；頂層設(shè)計，唯一同時制定國標(biāo)、部標(biāo)和行標(biāo)的人工智能企業(yè)；模式創(chuàng)新，三大平臺解決方案，科學(xué)家平臺、核心技術(shù)平臺和行業(yè)應(yīng)用平臺。

企業(yè)核心團(tuán)隊(duì)

創(chuàng)始人

周曦博士，師從四院院士、計算機(jī)視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領(lǐng)域的計算機(jī)視覺 研究。入選中科院“百人計劃”，曾任中國科學(xué)院重慶研究院信息所副所長、智能多媒體技術(shù)研究中心主任。

周曦博士帶領(lǐng)團(tuán)隊(duì)曾在計算機(jī)視覺識別、圖像識別、音頻檢測等國際挑戰(zhàn)賽中7次奪冠;在國際頂級會議、雜志 上發(fā)表60余篇文章，被引用上千次。

核心技術(shù)團(tuán)隊(duì)

云從科技依托美國UIUC和硅谷兩個前沿實(shí)驗(yàn)室，中科院、上海交大兩個聯(lián)合實(shí)驗(yàn)室上海、廣州、重慶、成都四 個研發(fā)中心組成的三級研發(fā)架構(gòu)。目前研發(fā)團(tuán)隊(duì)已經(jīng)超過300人，80%以上擁有碩士學(xué)歷。

技術(shù)優(yōu)勢

全方位多維智能學(xué)習(xí)模塊適應(yīng)不同場景要求；模塊化設(shè)計為在工業(yè)視覺、醫(yī)學(xué)影像、自動駕駛AR等領(lǐng)域擴(kuò)展打下良好基礎(chǔ)。

云從科技具有高技術(shù)壁壘：世界智能識別挑戰(zhàn)賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰(zhàn)賽上共計奪得7次世界冠軍;在銀行、公安等行業(yè)智能識別技術(shù) PK實(shí)戰(zhàn)中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術(shù)代表企業(yè)。

在跨鏡追蹤(ReID)技術(shù)上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數(shù)據(jù)同時集體刷 新世界記錄， Market-1501上的首位命中率達(dá)到96.6%，首次達(dá)到商用水平。

正式在國內(nèi)“3D結(jié)構(gòu)光人臉識別技術(shù)”，可全面應(yīng)用于手機(jī)、電腦、機(jī)具、設(shè)備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術(shù)，3D結(jié)構(gòu)光人臉識別技術(shù)擁有不需要用戶進(jìn)行任何動作配合完成活體驗(yàn)證的功能， 分析時間壓縮到了毫秒級以及不受環(huán)境光線強(qiáng)弱的影響等諸多優(yōu)點(diǎn)，受到國際巨頭公司的關(guān)注。

行業(yè)應(yīng)用

目前國內(nèi)有能力自建系統(tǒng)的銀行約為148家。截止2018年3月15日，已經(jīng)完成招標(biāo)的銀行約為121家，其中云從科 技中標(biāo)了88家總行平臺，市場占有率約為72.7%;在安防領(lǐng)域推動中科院與公安部全面合作，通過公安部重大課題研發(fā)火眼人臉大數(shù)據(jù)平臺等智能化系統(tǒng)，在民航領(lǐng)域，已經(jīng)與中科院重慶院合作覆蓋80%的樞紐機(jī)場。

5.Yi+

企業(yè)概述

北京陌上花科技是領(lǐng)先的計算機(jī)視覺引擎服務(wù)商，為企業(yè)提供視覺內(nèi)容智能化和商業(yè)化解決方案。致力于“發(fā)現(xiàn)視覺信息的價值”。

旗下品牌Yi+是世界一流的人工智能計算機(jī)視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達(dá)到領(lǐng)先水平。

目前公司和阿里巴巴、愛奇藝、優(yōu)酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數(shù)十家頂級機(jī)構(gòu)/產(chǎn)品深度合作，通過提供邊看邊買引擎、圖像視頻內(nèi)容分析引擎、人臉識別引擎等基于視覺識別技術(shù)的數(shù)據(jù)結(jié)構(gòu)化產(chǎn)品服務(wù)于海量用戶，同時幫助政府機(jī)構(gòu)、廣電系統(tǒng)、內(nèi)容媒體、零售商、電商、視聽設(shè)備等行業(yè)實(shí)現(xiàn)智能分析、智能互動與場景營銷。目前公司已經(jīng)獲得B輪融資。

企業(yè)團(tuán)隊(duì)

團(tuán)隊(duì)成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創(chuàng)始人&CEO：張默

北京大學(xué)軟件工程碩士， 南洋理工大學(xué)創(chuàng)業(yè)創(chuàng)新碩士。連續(xù)創(chuàng)業(yè)者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構(gòu)師，北方區(qū)合作伙伴經(jīng)理，主機(jī)Linux中國區(qū)負(fù)責(zé)人，中國區(qū)開源聯(lián)盟負(fù)責(zé)人，年銷售額數(shù)億。 2013年創(chuàng)業(yè)于美國硅谷和新加坡，2014年6月在中國設(shè)立北京陌上花科技有限公司。

核心技術(shù)與產(chǎn)品

技術(shù)方面，在國際頂級計算機(jī)視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項(xiàng)世界第一。2018年3月，人臉識別準(zhǔn)確率位列LFW榜首。Yi+通過遵循無限制，標(biāo)記的外部數(shù)據(jù)協(xié)議。 Yi+的系統(tǒng)由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重?fù)p失和訓(xùn)練數(shù)據(jù)集訓(xùn)練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓(xùn)練數(shù)據(jù)集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應(yīng)用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優(yōu)異成績。

公司的核心產(chǎn)品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業(yè)解決方案

針對營銷、安防、相機(jī)和電視的不同特點(diǎn)，推出相應(yīng)解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態(tài)貼圖、video-out、場景化角標(biāo)與廣告濾鏡等形式的廣告內(nèi)容推薦，適用于快消、汽車、電商、IT、金融、旅游服務(wù)等多個行業(yè)。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區(qū)等方面提供解決方案。在智慧安防實(shí)時識別上，實(shí)時處理直播攝像頭信息，算法反應(yīng)敏捷，相應(yīng)迅速。建立智慧園區(qū)方案模型，考慮擴(kuò)展性&靈活性、數(shù)據(jù)管理、松散耦合性、安全性、實(shí)時整合性以及功能性和非功能性需求等技術(shù)方案要素，從業(yè)務(wù)和技術(shù)兩方面整合解決方案實(shí)現(xiàn)步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機(jī)+AI。相機(jī)更具交互能力。用戶通過搜索關(guān)鍵字標(biāo)簽同步展示圖片，打通相冊和購物一站式體驗(yàn)。準(zhǔn)確識別人物屬性特征，動態(tài)適應(yīng)表情變化，可以在視頻以及圖像中對人臉實(shí)時檢測，基于深度學(xué)習(xí)技術(shù)，進(jìn)行人臉相似度檢測，實(shí)現(xiàn)面部關(guān)鍵點(diǎn)定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實(shí)時檢測攝像頭中出現(xiàn)的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達(dá)到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發(fā)的人臉識別、商品識別和其他圖像識別算法技術(shù)為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數(shù)據(jù)采集、算法模型說明和部署方案三部分，其中數(shù)據(jù)采集包括人臉數(shù)據(jù)采集、商品數(shù)據(jù)采集；算法模型說明包括識別算法訓(xùn)練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結(jié)合。

6.擎創(chuàng)科技

企業(yè)簡介

擎創(chuàng)科技成立于2016年，專注于將人工智能和機(jī)器學(xué)習(xí)賦予傳統(tǒng)IT運(yùn)維／企業(yè)運(yùn)營管理，為企業(yè)客戶提供智能運(yùn)維大數(shù)據(jù)分析解決方案，從而取代和改善對高技能運(yùn)維人員嚴(yán)重依賴的現(xiàn)狀。2017年，擎創(chuàng)科技已實(shí)現(xiàn)全年2000萬營收，迅速成為國內(nèi)AIOps領(lǐng)域的領(lǐng)跑者和中流砥柱。2018年初，擎創(chuàng)科技完成了數(shù)千萬人民幣的A輪融資，由火山石投資領(lǐng)投，晨暉創(chuàng)投、元璟資本及新加坡STTelemedia跟投。

核心團(tuán)隊(duì)

擎創(chuàng)團(tuán)隊(duì)的核心成員主要由BMC、微軟等美國企業(yè)服務(wù)上市公司的運(yùn)維老兵，與新浪、餓了么等知名互聯(lián)網(wǎng)公司的大數(shù)據(jù)、算法專家組成，核心團(tuán)隊(duì)成員至少擁有10年以上的行業(yè)經(jīng)驗(yàn)。其中CEO楊辰是國內(nèi)最頂級的B端銷售，曾帶領(lǐng)團(tuán)隊(duì)獲得10倍的業(yè)績增長；CTO葛曉波擁有長達(dá)15年的企業(yè)級軟件開發(fā)和運(yùn)維經(jīng)驗(yàn)；而產(chǎn)品總監(jiān)屈中泠則來自甲方，創(chuàng)業(yè)前為浦發(fā)硅谷銀行企業(yè)架構(gòu)師，深知甲方對企業(yè)運(yùn)維產(chǎn)品的需求。這個曾經(jīng)深耕于運(yùn)維企業(yè)服務(wù)市場的團(tuán)隊(duì)，如今在智能運(yùn)維企業(yè)服務(wù)賽道繼續(xù)領(lǐng)跑，讓擎創(chuàng)科技成為最懂企業(yè)的客戶，最值得企業(yè)客戶信賴的軟件廠商。

主要產(chǎn)品

“夏洛克AIOps” 作為擎創(chuàng)自主研發(fā)的大數(shù)據(jù)智能運(yùn)維主打產(chǎn)品，自2016年上線以來，已從1.0版本升級至1.9版本，可應(yīng)用在金融、大型制造業(yè)、鐵路民航、能源電力等涉及國家發(fā)展和民生問題的多種行業(yè)。在2017全球運(yùn)維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運(yùn)維社區(qū)聯(lián)合頒發(fā)的“年度最具影響力AIOps產(chǎn)品”獎。

“夏洛克AIOps”充分利用自研算法輔助客戶實(shí)現(xiàn)IT運(yùn)維價值，結(jié)合客戶的現(xiàn)有情況，規(guī)劃從傳統(tǒng)ITOM至AIOps智能運(yùn)維的一站式路徑，助其運(yùn)營落地，由此打破數(shù)據(jù)孤島，建立統(tǒng)一的大數(shù)據(jù)智能分析平臺，實(shí)現(xiàn)以人工智能為核心，驅(qū)動傳統(tǒng)IT運(yùn)維監(jiān)、管、控三個層面，并將相關(guān)運(yùn)維數(shù)據(jù)及業(yè)務(wù)數(shù)據(jù)實(shí)時展現(xiàn)。

“夏洛克AIOps”擁有多項(xiàng)自研算法，猶如運(yùn)維界的福爾摩斯，能迅速發(fā)現(xiàn)并定位運(yùn)維問題的根因，實(shí)現(xiàn)秒級排障，最大程度避免企業(yè)產(chǎn)生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數(shù)據(jù)積累和機(jī)器學(xué)習(xí)，運(yùn)用新型深度神經(jīng)網(wǎng)絡(luò)算法對企業(yè)的業(yè)務(wù)數(shù)據(jù)進(jìn)行預(yù)測，幫助企業(yè)提前規(guī)劃IT資源，高效預(yù)防各類黑天鵝事件的發(fā)生。

商業(yè)模式

目前，擎創(chuàng)科技已與多家金融和制造行業(yè)標(biāo)桿客戶形成穩(wěn)定的合作關(guān)系，包括浦發(fā)銀行、浦發(fā)硅谷銀行、國家開發(fā)銀行、上海鐵路局、銀聯(lián)、海爾、浙江能源等。針對不同客戶，采用個性化的商業(yè)模式進(jìn)行服務(wù)，目前主要有私有模式和SaaS模式兩種，都具有較強(qiáng)的可復(fù)制性。

核心優(yōu)勢

計算機(jī)視覺發(fā)展報告范文第5篇

1.無論從社會認(rèn)知還是應(yīng)用需求角度，中國從2017年3月開始正式進(jìn)入人工智能驅(qū)動的經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型階段。

2.本研究根據(jù)大眾對人工智能的認(rèn)知由淺入深分為基本認(rèn)知、專業(yè)認(rèn)知和技術(shù)認(rèn)知三個層次。從全國來看，人工智能社會認(rèn)知的過程先經(jīng)歷平穩(wěn)期，再進(jìn)入快速上升期。基本認(rèn)知和專業(yè)認(rèn)知在2016年3月進(jìn)入快速上升期，技術(shù)認(rèn)知在2017年3月才進(jìn)入快速上升期。

3.本研究從技術(shù)應(yīng)用和行業(yè)應(yīng)用兩個角度考察大眾對人工智能的應(yīng)用需求，技術(shù)應(yīng)用需求的發(fā)展先是經(jīng)歷成長期和平穩(wěn)期，在2017年進(jìn)入躍升期，行業(yè)應(yīng)用需求整體上一直是上升趨勢，但是目前逐漸趨于飽和。

4.無論是人工智能社會認(rèn)知方面，還是應(yīng)用需求方面，南方城市在排名上都比北方城市具有優(yōu)勢，南方城市有集中在華東和華南地區(qū)；排名靠前的城市主要為北上廣深和省會城市。

5.從技術(shù)需求角度來看，北京、上海、深圳、廣州、成都、蘇州和重慶為“全技術(shù)需求驅(qū)動型”城市；武漢、南京、西安和長沙是“雙技術(shù)需求驅(qū)動型”城市，由語音語義和深度學(xué)習(xí)需求來驅(qū)動；杭州、鄭州、天津和濟(jì)南是“單技術(shù)需求驅(qū)動型”城市，由計算機(jī)視覺技術(shù)需求驅(qū)動。