自拍美圖、人臉識別、無人駕駛……很難說計算機視覺還高冷地無人知曉，其實它早已潛入日常生活中。40年前，這項與機器人本為一家的技術(shù)，一度因識別精準率過低被嫌棄，緊追猛趕后，如今終于回到與機器人并駕齊驅(qū)的高尖水平。

最新的計算機視覺進展到什么程度？

2015年12月13日，烏鎮(zhèn)世界互聯(lián)網(wǎng)大會舉辦前夕，第14屆國際計算機視覺大會（ICCV）在南美智利舉辦，這場2年一屆的頂尖盛會，展示了這一領(lǐng)域的最近突破。本屆ICCV被微軟亞洲研究院搶走了頭條。他們的視覺計算組研發(fā)出全新深度學習方法，具備152層類神經(jīng)網(wǎng)絡(luò)，比原先多出132層，即用同樣的百萬比資料就可以訓練出深層的類神經(jīng)網(wǎng)絡(luò)。這些最先進的深度學習類神經(jīng)網(wǎng)路，能將照片中的車、房、人、物……等等一千類物件精準地識別出來，平均錯誤率從幾年前的動輒50%，到今年已經(jīng)降到3%，已可接入實際應(yīng)用。

華人自古以來的圖像情節(jié)

ICCV頭條中的“亞洲”字眼非常醒目，實際上微軟這項里程碑式成果的發(fā)明者全是中國人。如果這還無法證明計算機視覺的世界版圖正向亞洲遷移，來看下一項證據(jù)。

ICCV通常在北美、歐洲等技術(shù)發(fā)達的國家舉行，今年的大會贊助商名單中竟出現(xiàn)了不少中國企業(yè)身影，商湯科技、百度、Viscovery創(chuàng)意引晴，漢字在贊助榜上快占據(jù)半壁江山。除了在世界頂尖國際會議上越發(fā)活躍之外，中國的計算機視覺學者也藉由區(qū)域型會議如ACCV，以及國內(nèi)計算視覺大會CCCV、RACV，凝聚了大量的政、商、媒體、學界的焦點與資源。

過去十年，中國人在計算機領(lǐng)域的分量和影響力逐年增加，相關(guān)學者越來越多，我在美國讀博士班的時候，教授就很好奇，“為什么你們?nèi)A人對計算機視覺特別感興趣？”我回答說，“因為我們的文字就是從象形文字開始，本身從圖像引申來的，看文字就像在看圖像一樣。”

中國很多面孔雖沒有去國外念過博士，但卻在這個領(lǐng)域越來越有影響力。微軟亞洲研究院的首席研究員孫劍博士，正是此類人物。近年來藉由“阿里云”的“天池”平臺舉辦的各項競賽，包括剛剛舉辦完的“淘寶穿衣搭配算法競賽”與“阿里大規(guī)模圖像搜索大賽”，也都幫助中國在圖像識別研究走在于世界的最前面。

五年前，中國計算機視覺的市場還小于美國，現(xiàn)在，兩國做計算機視覺的新創(chuàng)公司數(shù)量已旗鼓相當。如果碰上合適的具體市場應(yīng)用，過幾年很有可能超越美國，且成為贏家通吃的局面，就像以色列的MobileEye獨占全球的“車輛撞擊預警系統(tǒng)”一樣。

中國獨特的市場需求：視頻+廣告

計算機視覺雖未迎來里程碑式的巨大風口，但一個接一個的小風口從未斷過。90年代人臉偵測成熟之后，現(xiàn)在所有的相機都可以框出人臉。下一項成熟的技術(shù)，人臉識別，還可以精準識別誰是誰。現(xiàn)在從臉書上傳照片，會自動匹配好所有好友的標簽，非常方便。在安防領(lǐng)域方面，全球有幾十家數(shù)得上的智能監(jiān)視系統(tǒng)廠商，可以輕松監(jiān)測畫面中的人物移動。

目前大家搶著要解決的，是如何提升影像中物件識別的準確度。一旦可以輕易知道畫面中存在的人物、物件、場景，就能用增強現(xiàn)實做游戲（AR）、監(jiān)測自動駕駛的環(huán)境等等。中國的巨頭BAT都在做計算機視覺應(yīng)用。阿里舉辦商品識別大賽，第一年就推出了一百萬商品做識別，但像同款女裝識別還比較困難，受材質(zhì)、穿著者身材影響，沒法直接商品化應(yīng)用。騰訊有自己的視頻服務(wù)，有自建團隊做視頻中商品識別、廣告關(guān)聯(lián)，從頭吃到尾。百度有無人駕駛、云平臺、圖像搜索等。

眾多可商業(yè)化應(yīng)用中，“視頻內(nèi)容關(guān)聯(lián)廣告”是中國獨創(chuàng)于世界的特色市場。這塊技術(shù)比YouTube早跑了兩年，不同于YouTube一家獨大，中國至少有十家企業(yè)競爭，都是賠錢在搶市場。阿里和優(yōu)酷、騰訊、愛奇藝、搜狐等視頻大佬，都開始鉆研基于視頻內(nèi)容識別的關(guān)聯(lián)廣告，即邊看邊購物體驗。

現(xiàn)在看視頻時接觸的各類明星同款商品推送，已經(jīng)是深淺不一的機器視覺技術(shù)。觀賞綜藝節(jié)目時，隱藏在屏幕背后的機器腦“看到”你喜愛的明星和商品，在網(wǎng)絡(luò)海洋中幫你挖出他的八卦，同款鞋子、手機。這就是智能化的視頻內(nèi)容辨識，用機器取代人眼、人腦，識別甚至肉眼無法認知的物件紋路、形狀、商標，用大數(shù)據(jù)技術(shù)做到更相關(guān)的商品、知識信息匹配推送。雖然各公司還在摸著石頭過河，但這塊應(yīng)用做好則用戶與商家皆大歡喜。

機器視覺的未來

計算機視覺的未來何去何從？這?領(lǐng)域的大佬、加州伯克利大學的JitendraMalik教授，十年前就斗膽預測了未來十年計算機視覺的重要發(fā)展，如今驗證了他的大部分預測都是對的。在今年的ICCV大會上，Malik教授又做了十大方向的預測，結(jié)合場景的語義分析就是其中重要一塊。未來物件識別還會持續(xù)推進，朝畫面中所帶訊息、不同場景下的情感和意義的識別發(fā)展。也許未來，機器視覺就成讀心專家，準備好迎接這位朋友了嗎？