自拍美图、人脸识别、无人驾驶……你准备好迎接“机器视觉”这位朋友了吗？

作者：Albert Chen, Ph.D.（机器视觉专家，Viscovery首席科学家）

自拍美图、人脸识别、无人驾驶……很难说计算机视觉还高冷地无人知晓，其实它早已潜入日常生活中。40年前，这项与机器人本为一家的技术，一度因识别精准率过低被嫌弃，紧追猛赶后，如今终于回到与机器人并驾齐驱的高尖水平。

最新的计算机视觉进展到什么程度？

2015年12月13日，乌镇世界互联网大会举办前夕，第14届国际计算机视觉大会（ICCV）在南美智利举办，这场2年一届的顶尖盛会，展示了这一领域的最近突破。本届ICCV被微软亚洲研究院抢走了头条。他们的视觉计算组研发出全新深度学习方法，具备152层类神经网络，比原先多出132层，即用同样的百万比资料就可以训练出深层的类神经网络。这些最先进的深度学习类神经网路，能将照片中的车、房、人、物……等等一千类物件精准地识别出来，平均错误率从几年前的动辄50%，到今年已经降到3%，已可接入实际应用。

华人自古以来的图像情节

ICCV头条中的“亚洲”字眼非常醒目，实际上微软这项里程碑式成果的发明者全是中国人。如果这还无法证明计算机视觉的世界版图正向亚洲迁移，来看下一项证据。

ICCV通常在北美、欧洲等技术发达的国家举行，今年的大会赞助商名单中竟出现了不少中国企业身影，商汤科技、百度、Viscovery创意引晴，汉字在赞助榜上快占据半壁江山。除了在世界顶尖国际会议上越发活跃之外，中国的计算机视觉学者也藉由区域型会议如ACCV，以及国内计算视觉大会CCCV、RACV，凝聚了大量的政、商、媒体、学界的焦点与资源。

过去十年，中国人在计算机领域的分量和影响力逐年增加，相关学者越来越多，我在美国读博士班的时候，教授就很好奇，“为什么你们华人对计算机视觉特别感兴趣？”我回答说，“因为我们的文字就是从象形文字开始，本身从图像引申来的，看文字就像在看图像一样。”

中国很多面孔虽没有去国外念过博士，但却在这个领域越来越有影响力。微软亚洲研究院的首席研究员孙剑博士，正是此类人物。近年来藉由“阿里云”的“天池”平台举办的各项竞赛，包括刚刚举办完的“淘宝穿衣搭配算法竞赛”与“阿里大规模图像搜索大赛”，也都帮助中国在图像识别研究走在于世界的最前面。

五年前，中国计算机视觉的市场还小于美国，现在，两国做计算机视觉的新创公司数量已旗鼓相当。如果碰上合适的具体市场应用，过几年很有可能超越美国，且成为赢家通吃的局面，就像以色列的MobileEye独占全球的“车辆撞击预警系统”一样。

中国独特的市场需求：视频+广告

计算机视觉虽未迎来里程碑式的巨大风口，但一个接一个的小风口从未断过。90年代人脸侦测成熟之后，现在所有的相机都可以框出人脸。下一项成熟的技术，人脸识别，还可以精准识别谁是谁。现在从脸书上传照片，会自动匹配好所有好友的标签，非常方便。在安防领域方面，全球有几十家数得上的智能监视系统厂商，可以轻松监测画面中的人物移动。

目前大家抢着要解决的，是如何提升影像中物件识别的准确度。一旦可以轻易知道画面中存在的人物、物件、场景，就能用增强现实做游戏（AR）、监测自动驾驶的环境等等。中国的巨头BAT都在做计算机视觉应用。阿里举办商品识别大赛，第一年就推出了一百万商品做识别，但像同款女装识别还比较困难，受材质、穿着者身材影响，没法直接商品化应用。腾讯有自己的视频服务，有自建团队做视频中商品识别、广告关联，从头吃到尾。百度有无人驾驶、云平台、图像搜索等。

众多可商业化应用中，“视频内容关联广告”是中国独创于世界的特色市场。这块技术比YouTube早跑了两年，不同于YouTube一家独大，中国至少有十家企业竞争，都是赔钱在抢市场。阿里和优酷、腾讯、爱奇艺、搜狐等视频大佬，都开始钻研基于视频内容识别的关联广告，即边看边购物体验。

现在看视频时接触的各类明星同款商品推送，已经是深浅不一的机器视觉技术。观赏综艺节目时，隐藏在屏幕背后的机器脑“看到”你喜爱的明星和商品，在网络海洋中帮你挖出他的八卦，同款鞋子、手机。这就是智能化的视频内容辨识，用机器取代人眼、人脑，识别甚至肉眼无法认知的物件纹路、形状、商标，用大数据技术做到更相关的商品、知识信息匹配推送。虽然各公司还在摸着石头过河，但这块应用做好则用户与商家皆大欢喜。

机器视觉的未来

计算机视觉的未来何去何从？这块领域的大佬、加州伯克利大学的Jitendra Malik教授，十年前就斗胆预测了未来十年计算机视觉的重要发展，如今验证了他的大部分预测都是对的。在今年的ICCV大会上，Malik教授又做了十大方向的预测，结合场景的语义分析就是其中重要一块。未来物件识别还会持续推进，朝画面中所带讯息、不同场景下的情感和意义的识别发展。也许未来，机器视觉就成读心专家，准备好迎接这位朋友了吗？