计算机视觉：我们最需关注的前沿领域！

几个星期前，纽约举行了LDV视觉峰会。该峰会专注于计算机视觉的高潜力领域。它涵盖了从3D成像，VR深入学习到Facebook实时视频的各个领域（在峰会上，我还就增强现实领域发表了一个广告形式的演讲）。相信这个领域，是我们所有人，从广告人、工程师、市场营销到投资者，都应密切关注的领域。这里简述5个原因：

计算机视觉的潜力不可小视

LDV峰会创始人Evan Nisselson在LDV视觉峰会开场白中表示：现今，被链接在一起的相机和视觉传感器可以说是无处不在。这些无处不在的录像和实时大数据，可组合成智慧建筑。其能够根据人的运动量调节能量分配。这也将引领智能家园的到来。那时，你的镜子可以告诉你体重是否增加，你喝了多少酒。这都得益于内置的3D扫描仪和气体传感器。

而且，一旦这成为现实，镜中广告就可以让你买到低热量食物以及阿司匹林，并在几分钟内直接送到浴室交付给你。

计算机能看到人类看不见的东西

计算机并不只通过我们现在这个领域所知道的图像识别方式来“看”世界（计算机通过将图像分解成像素来认知世界）。计算机视觉依赖于可实时访问的大数据，地理定位，传感器，超声波，和其他类型的数据（如热成像），可以让一台电脑“看到”人类无法看到的东西：例如气体，热量等。

计算机视觉的应用远远超过处理大量图像这个范畴。它除了快速识别那些人已经可以看到的东西，真正的作用是处理那些人看不到的东西。基于扩充内存（下一代谷歌眼镜，很可能只需你看某人一眼，就能得到他的姓名和其他相关信息），可以“看”到气体泄漏。计算机视觉通过多个实时渠道将使超人的感觉变为现实。

目前我们还没有这种技术。正如康奈尔大学计算机视觉技术教授Serge Belongie所说的那样：“正如你现在看到的计算机视觉领域中的状态，我们无法在人们没有具象概念的情况下，告诉一个人某个东西是什么。我们真能告诉人们的是，像香蕉和自行车这种看见的东西。”但，这就是进步，将来计算机视觉能够而且将会通过照片中提取出来的信息，告诉人们更多的数据。

如果我们得不到足够的训练数据，我们会变得停滞不前

感谢深度学习网络，低成本以及更快计算能力的计算机，使得判定图像识别能力的游戏规则已经被改变。但除非它们有机会获得大量的图像训练数据，否则这些辉煌的算法就什么也不是。就说医学影像所面临的问题：绝大多数可被用于训练数据的图片是专有的，基本被这两个庞然大物所持有：谷歌和Facebook。考虑到目前用户共享和上载在这些公司消费平台上的数据量，这一趋势没有明显放缓的迹象。就像Greylock的合伙人Josh Elman接受记者采访时提醒的一样，它们会变成计算机视觉发展道路上的潜在障碍，如果两家大公司一直持有所有的训练数据的话。

VR和AR需要计算机视觉

一些人认为，现在虚拟现实（VR）和增强现实（AR）被过度炒作。而把计算机视觉带入这两项技术纯属能源浪费。不过，同我探讨过的大多数人都认为VR与AR这两种技术都需要长期的发展。作为进一步提升，它们都需要高品质的计算机视觉功能来完善其技术（如使用图像识别来提高VR 的“互动”形式）。

很多人把今天的VR技术比做90年代中期的互联网：或许它目前还不是主流可获利的技术，但在将来会被广泛应用。计算机视觉技术越是先进，它的功能将吸引更多的人们来关注VR和AR，也会使得其更加实用并变得可盈利化。毕竟，如果宜家可使用AR说明书，通过准确的计算机视觉一步一步告诉你：你把书架上的螺钉放错了地方，这是多么牛啊？

计算机视觉已经在人身安全方面增加了投入力度

除了深度学习和AI，另一项大型科技的发展趋势就是机器人。是的，大多数机器人会需要（并且绝对需要）计算机视觉。从掌管流水线检验到所做的一切，都会需要这项技术。例如，Nanotronics公司使用图像识别来寻找计算机内存晶圆的缺陷，这比使用人类更精确，更快速。

即使是小型企业和消费者，使用计算机视觉帮助下的碳机机器人卡蒂亚（Carbon Robotics’ Katia，5,000美金的机器人机械臂），也可确保它不会致人死命（机械臂事故可不是闹着玩）。跟据碳机机器人（Carbon Robotics）所说，成本在5,000美金以下的机械臂是制作主流，这也是为什么碳机机器人能赢得LDV第2天的商业挑战。

通过LDV视觉峰会我们可得知，现在仍然是计算机视觉发展的初期。但是，目前的创新有一个光明的未来，无论是在业务层面和更广泛的社会层面。研究还证实，令年轻工程师兴奋的是:相较以往，会有更多的机会来改变产业内一部分的游戏规则。

加速会：加速你对世界的理解，内幕全在这里！请关注加速会微信公号：jiasuhuihao

加速会主编微信：leaderweb

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。