当今时代，处于第三波浪潮的AI正迎来加速发展时期，AI技术不断突破，应用大规模爆发，大量布局AI的科技巨头和勇于探索商业模式的公司逐渐涌上潮头。

　　而计算机视觉作为AI市场的最大分支，无论是在技术成熟度、商业化进程，还是在市场上涨的速度、投融资热度等方面，自始至终都是AI领域最热门的行业之一。

　　计算机视觉的应用领域几乎涵盖了我们所知的所有行业，如无人驾驶、金融风控、安防、新零售、智能手机、智能机器人......

　　据IDC预测，中国AI市场将在2024年形成千亿市场规模，而计算机视觉占比将超过一半，未来广阔前景引人遐想。

　　人工智能大家已经耳熟能详，但计算机视觉在排除行业从事者之外，却很少有人能解释的清楚。

　　简单来说，人类通过眼睛感知和理解周边的世界，而计算机视觉则是一门研究怎么样使机器“看”的科学。更进一步的说，就是用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

　　20世纪60年代，贝尔实验室研发的一种将光子转化为电脉冲的器件，很快成为了高质量数字图像采集任务的新宠，逐渐应用于工业相机传感器，标志着计算机视觉走上应用舞台；70年代中期，MITAI实验室正式开设计算机视觉课程；1982年，《视觉》一书的问世，标志着计算机视觉成为了一门独立学科。

　　进入21世纪以来，计算机视觉领域蒸蒸日上，各种理论与方法大量涌现，并在多个核心问题上取得了令人瞩目的成果。尤其是近年来，国内外巨头纷纷布局计算机视觉领域，开设计算机视觉研究实验室，并以计算机视觉新系统和技术赋能原有的业务，开拓全新战场。

　　图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。例如通过图像分类，计算机识别到图像中有人、树、草地、天空等等。

　　图像分类在许多领域都存在广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类，医学领域的图像识别等。

　　目标检测任务的目标是给定一张图像或是一个视频帧，让计算机找出其中所有目标的位置，并给出每个目标的具体类别。如下图，以识别和检测人为例，用边框标记图像中所有人的位置。

　　而在多类别目标检测中，通常用不同颜色的边框对检测到的不同物体的位置进行标记，如下图所示。

　　语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别。它将整个图像分成像素组，然后对像素组进行标记和分类。例如，我们可能需要区分图像中属于汽车的所有像素，并把这些像素涂成蓝色。比如把图像分为人（红色）、树木（深绿）、草地（浅绿）、天空（蓝色）标签。

　　实例分割是目标检测和语义分割的结合，在图像中将目标检测出来（目标检测），然后对每个像素打上标签（语义分割）。如以人为目标，语义分割不区分属于相同类别的不同实例（所有人都标为红色），实例分割区分同类的不同实例（使用不相同颜分不同的人）。

　　目标跟踪是指对图像序列中的运动目标进行仔细的检测、提取、识别和跟踪，获得运动目标的运动参数，做处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

　　×分享到微信朋友圈打开微信，点击底部的“发现”，使用“扫一扫”即可将网页分享至朋友圈。

　　《静音》是一部 Netflix 电影。尽管 Netflix 过去一年在原创电影上的表现并不如预期，但是《静音》仍让人颇为期待

　　最近，美国最大的经济研究机构——全国经济研究所（NBER，全美超过一半的诺奖经济学得主都曾是该机构的成员）发布了一份报告，全面分析了 1990 到 2007 年的劳动力市场情况。\n

　　坏机器人制片公司最新的一部电影名为《霸主》（overlord），背景设置在二战时期，很可能是一部在半遮半掩中秘密制作的科洛弗电影系列。

　　我们都知道，到处都在重启；我们也知道，如果有钱，啥都能重启。所以，会不会被重启算不上是个问题，只能问何时会被重启。自然而然地，世界各地的各种重启现象衍生出了一个有趣的猜猜游戏：哪一部老作品会是下一个接受这种待遇的？\n