计算机视觉研究方向与发展趋势

智能计算芯世界 2023-04-19 00:00

如何增强电动汽车的实时控制能力？ 精密双向电流传感放大器，提供精准测量，广泛应用于电流监测与保护

计算机视觉产业链

下载链接：

人工智能深度报告：计算机视觉行业框架—AI之眼，初启商业飞轮

工业界：对学术研究提出需求

最火的两个概念：自动驾驶和元宇宙

相关热点研究方向：

（1）建图技术：三维重建技术，包括SLAM、定位、建图、更新等技术；（2）点云理解技术：三维理解技术，包括点云检测、分割等技术；

（3）街景理解技术：街景图像视频识别、检测、分割等技术；

（4）三维渲染技术。

学术界：自驱的学术研究

CVPR：检测、3D、分割、视频、表示学习;（2021）

CVPR：多角度三维视觉、图像视频生成、识别检测分类检索；（2022）

ICCV：视频，3D，检测，分割，表示学习和Transforer。（2021）

总结：（1）基于transformer的视觉；

（2）基于self-supervised的无标注视觉技术。

（3）生成式对抗网络图像生成

图像识别主要算法

图像识别流程：图像采集、图像预处理、特征提取、特征识别

图像预处理：ROI提取、图像滤波与增强；

特征提取：LBP、SIFT、HOG、CNN等等

目标检测主要算法

（1）双阶段目标检测：RCNN、Fast RCNN、Faster RCNN、FPN、Mask RCNN；

（2）单阶段目标检测：YOLO、SSD、RetinaNet；

（3）基于transformer：Ralation Net、DETR。

自动驾驶主要算法

计算机视觉发展趋势

五大发展趋势：

（1）优化数据质量

（2）应用于健康和安全领域

（3）应用于零售业（无人商店、掌脉识别等）

（4）自动驾驶汽车领域

（5）边缘计算领域

8. 计算机视觉-学术界与工业界GAP有多大？

计算机视觉作为一项新兴技术，不仅在学术界有很大的研究空间，同时也有广阔的应用前景。然而，学术界与工业界在计算机视觉领域中存在一定的差距。

首先，学术研究通常是以理论分析和实验验证为主，注重创新，追求技术的极致。工业界则更注重实际应用，倾向于更稳定和成熟的技术，并遵循商业化的标准。因此，在技术方向和目标上，两者可能存在差异。

此外，在可操作性和可行性方面，两者也有所不同。学术界的研究大多是基于小型数据和标准化环境的实验，而工业界需要解决的实际问题往往更为复杂，需要更大量、更多样的数据集和更广泛的数据应用。同时，实际应用场景下，各种不确定性因素需要被充分考虑，如光照的变化、不同尺度。

下载链接：

多模态AI研究框架（2023）

大模型算力需求驱动AI服务器行业高景气（2023）

“机器人+” 系列：机器人研究框架（2023）

《70+篇半导体行业“研究框架”合集》

183份重磅ChatGPT专业报告

《人工智能AI大模型技术合集》

1、大模型算力需求驱动AI服务器行业高景气（2023） 2、多模态大模型技术演进及研究框架 3、大模型遇到金融：海内外金融领域大模型对比 4、大模型如何影响网安行业的未来 5、大模型应用百花齐放，AI发展进入新时代 6、详解大模型训练与推理对算力产业链的需求影响 7、训练大模型发展前景及思考和探讨—华为诺亚方舟实验室 8、人工智能通用大模型（ChatGPT）的进展、风险与应对 9、ChatGPT引发的大模型时代变革 10、中国大模型发展白皮书（2023年） 11、中国大模型发展白皮书—元能力引擎筑基智能底座（2023年） 12、“源1.0”大模型技术白皮书

本号资料全部上传至知识星球，更多内容请登录智能计算芯知识（知识星球）星球下载全部资料。