視覺一直都是人類最重要的感知系統(tǒng)，如今在人工智能時(shí)代，這一能力也被“移植”過來，努力讓計(jì)算機(jī)“看懂”所有東西。

“讓機(jī)器看到”的第一步就是從模仿人類開始。這起源于20世紀(jì)50年代的統(tǒng)計(jì)模式識(shí)別的計(jì)算機(jī)視覺，主要基于二維技術(shù)研究，但結(jié)果遠(yuǎn)不如人類視覺。在如今公認(rèn)的第三階段的人工智能中，由于深度學(xué)習(xí)算法的突破，直接推動(dòng)了神經(jīng)網(wǎng)絡(luò)算法的發(fā)展。有趣的是，人類的大腦皮層有一半的神經(jīng)元與視覺有關(guān)，這與神經(jīng)網(wǎng)絡(luò)算法中的“神經(jīng)元”很類似。一旦借鑒人類“視覺”系統(tǒng)之后，神經(jīng)網(wǎng)絡(luò)算法直接成為計(jì)算機(jī)視覺的技術(shù)引擎，視覺智能應(yīng)用場(chǎng)景逐漸豐富起來。

高德：利用視覺慣導(dǎo)技術(shù)實(shí)現(xiàn)高精地圖的大規(guī)模生產(chǎn)

導(dǎo)航、駕駛輔助、自動(dòng)駕駛等技術(shù)的不斷發(fā)展對(duì)地圖的精細(xì)程度提出了更高的要求。常規(guī)的道路級(jí)地圖對(duì)于智能交通系統(tǒng)存在很多不足，針對(duì)自動(dòng)駕駛應(yīng)用的需求，高德提出了利用視覺慣導(dǎo)技術(shù)制作高精地圖的方法。

高精地圖的生產(chǎn)主要從兩類要素進(jìn)行，一類是道路標(biāo)志牌，例如路面導(dǎo)向指示牌，紅綠燈等；一類是地面標(biāo)識(shí)，例如車道分割線，導(dǎo)向箭頭等。兩種類別的地圖要素均要先計(jì)算出位置，然后把要素和路網(wǎng)關(guān)聯(lián)，得到要素的屬性信息和幾何信息。

地圖要素的生產(chǎn)把人工作業(yè)和自動(dòng)化提取融為一體。首先，通過外業(yè)采集的數(shù)據(jù)進(jìn)行圖像和軌跡的解算，獲取自動(dòng)化所需的視覺慣導(dǎo)信息，根據(jù)視覺慣導(dǎo)融合技術(shù)生成地圖要素，在自動(dòng)化地圖的基礎(chǔ)上采用人工進(jìn)行Web編輯的模型，提高地圖要素的精度，最后存儲(chǔ)到對(duì)應(yīng)的數(shù)據(jù)庫中去。

目前，高德完成了全國超過32萬公里高等級(jí)道路的高精地圖數(shù)據(jù)，采用了搭配激光雷達(dá)采集、圖像視覺慣導(dǎo)融合兩種方式。通過圖像視覺慣導(dǎo)結(jié)合的方式采集數(shù)據(jù)，一方面能大大降低成本。另一方面，基于圖像視覺的高精地圖在識(shí)別上具有一定優(yōu)勢(shì)，能提高車道級(jí)別要素作業(yè)的效率。

影譜科技：利用智能影像技術(shù)實(shí)現(xiàn)影像內(nèi)容自動(dòng)生產(chǎn)

清科研究中心發(fā)布報(bào)告指出，在計(jì)算機(jī)視覺技術(shù)中，圖像識(shí)別主要是基于靜態(tài)圖像的識(shí)別、分析和應(yīng)用，未來技術(shù)和應(yīng)用的重點(diǎn)將轉(zhuǎn)向動(dòng)態(tài)圖像技術(shù)，即視頻的智能化獲取、識(shí)別及處理，最終實(shí)現(xiàn)智能影像生產(chǎn)。目前，智能影像已經(jīng)與文娛、教育、媒體等行業(yè)深度融合，形成切實(shí)有效的落地方案，體現(xiàn)了強(qiáng)大的商業(yè)化能力。而目前文娛領(lǐng)域是智能影像商業(yè)化程度最為領(lǐng)先的行業(yè)，該領(lǐng)域由影譜科技表現(xiàn)尤為突出。

影譜科技基于新的AI+Video技術(shù)組合——“機(jī)器自動(dòng)化生產(chǎn)視頻內(nèi)容引擎MAPE”推出幾款針對(duì)特定行業(yè)定制的AI應(yīng)用組件，涵蓋智能影像生產(chǎn)技術(shù)、平臺(tái)、行業(yè)應(yīng)用落地的全棧布局。該生產(chǎn)引擎將人工智能和互動(dòng)視頻技術(shù)結(jié)合，提出包括景深測(cè)算反推技術(shù)與子像素反軌技術(shù)、視頻疊加技術(shù)、優(yōu)化計(jì)算技術(shù)及其他技術(shù)的完整技術(shù)框架，擁有完整的視覺識(shí)別（MCVS）、視頻結(jié)構(gòu)化（Auto-structuring Video）、自動(dòng)化視頻生產(chǎn)AGC（Auto-Generating Video Content）三大AI組件，幫助媒體和娛樂公司應(yīng)用非結(jié)構(gòu)化數(shù)據(jù)，并對(duì)他們創(chuàng)建，獲取和交付給觀眾的內(nèi)容做出更明智的決策。

這是一個(gè)新的服務(wù)組合，有效補(bǔ)充了行業(yè)現(xiàn)有的視頻內(nèi)容開發(fā)及應(yīng)用功能。MAPE使用結(jié)構(gòu)化和非結(jié)構(gòu)化視頻數(shù)據(jù)，利用AI內(nèi)核幫助客戶理解他們的視頻數(shù)據(jù)，分析和收集視頻數(shù)據(jù)中的洞察力，從視頻中獲取洞察力、結(jié)構(gòu)、情感和視覺分析。根據(jù)內(nèi)容中的圖片、語義識(shí)別將視頻分割為邏輯場(chǎng)景，對(duì)內(nèi)容和上下文的更深入理解來識(shí)別場(chǎng)景，自動(dòng)生產(chǎn)可用的內(nèi)容和上下文，從而實(shí)現(xiàn)視頻自動(dòng)生產(chǎn)。

百度：視覺技術(shù)全面升級(jí)，軟硬結(jié)合賦能多領(lǐng)域

機(jī)器視覺還在不斷升級(jí)中，可以模仿人類的眼睛以三維視覺對(duì)周圍環(huán)境進(jìn)行精確的定位。我們?cè)趥商筋愖髌分谐？吹阶x心術(shù)，其實(shí)這是讀微表情。百度云的“情緒識(shí)別專家”，透過鏡頭可以捕捉人的微表情，一不小心就可能比你更懂你的情緒?，F(xiàn)在，百度云將三維視覺應(yīng)用在人臉識(shí)別上，活體識(shí)別正確率已經(jīng)提升至99.55%。三維視覺技術(shù)可以廣泛應(yīng)用于機(jī)器人、無人駕駛、智慧工廠、虛擬/增強(qiáng)現(xiàn)實(shí)等方向。

這主要通過兩個(gè)層面實(shí)現(xiàn)：硬件層面，百度云有適用于三維視覺的立體視覺AI傳感器，并且采用三維AI視覺模組，使成本大大降低。軟件層面，開發(fā)了從實(shí)時(shí)端上運(yùn)算到大規(guī)模云端分布式計(jì)算等多種算法?；诎俣热S視覺技術(shù)，機(jī)器可以像人一樣看透世界，從而更好地在AR、新零售、工程機(jī)械等領(lǐng)域施展才能。

當(dāng)前，百度計(jì)算機(jī)視覺技術(shù)也已全線開放，包括人臉識(shí)別、文字識(shí)別（OCR）、圖像審核、圖像識(shí)別、圖像搜索5大類別，58項(xiàng)基礎(chǔ)能力，已服務(wù)于幾十萬開發(fā)者。近日，百度還為自家的視覺技術(shù)（人臉識(shí)別）發(fā)布了新品牌“度目”，并發(fā)布了四款硬件產(chǎn)品：人臉應(yīng)用套件、AI鏡頭模組、視頻分析盒子、人臉抓拍機(jī)?！岸饶俊贝碇俣却竽X整套視覺軟硬一體化產(chǎn)品的集合，主要定位于高靈活度、高易用性、高性價(jià)比，應(yīng)用于針對(duì)智慧社區(qū)、智慧園區(qū)內(nèi)的人臉識(shí)別門禁、閘機(jī)，駕駛員身份驗(yàn)證與行為分析，視頻流下的人員黑白名單識(shí)別，購物中心零售客群分析等眾多應(yīng)用場(chǎng)景。

“在人臉識(shí)別、圖像分類等眾多任務(wù)中，計(jì)算機(jī)視覺能比人類視覺完成的更優(yōu)秀。但在其他需要推理的任務(wù)，計(jì)算機(jī)視覺還有很長的路要走?！毙袠I(yè)專家表示，“人類能輕易明白物體彼此之間的關(guān)聯(lián)，我們看到一張圖就能編出一個(gè)故事。但計(jì)算機(jī)還遠(yuǎn)不能達(dá)到這種程度的理解能力和想象力?！彪S著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展，它將會(huì)帶來更多新的發(fā)現(xiàn)。計(jì)算機(jī)視覺和 AI 都處于各自發(fā)展的初始階段，還有很多東西值得探索。