計(jì)算機(jī)視覺產(chǎn)業(yè)鏈

工業(yè)界：對(duì)學(xué)術(shù)研究提出需求最火的兩個(gè)概念：自動(dòng)駕駛和元宇宙 相關(guān)熱點(diǎn)研究方向： （1）建圖技術(shù)：三維重建技術(shù)，包括SLAM、定位、建圖、更新等技術(shù)；（2）點(diǎn)云理解技術(shù)：三維理解技術(shù)，包括點(diǎn)云檢測(cè)、分割等技術(shù)； （3）街景理解技術(shù)：街景圖像視頻識(shí)別、檢測(cè)、分割等技術(shù)； （4）三維渲染技術(shù)。

學(xué)術(shù)界：自驅(qū)的學(xué)術(shù)研究CVPR：檢測(cè)、3D、分割、視頻、表示學(xué)習(xí);（2021） CVPR：多角度三維視覺、圖像視頻生成、識(shí)別檢測(cè)分類檢索；（2022） ICCV：視頻，3D，檢測(cè)，分割，表示學(xué)習(xí)和Transforer。（2021） 總結(jié)：（1）基于transformer的視覺； （2）基于self-supervised的無標(biāo)注視覺技術(shù)。

（3）生成式對(duì)抗網(wǎng)絡(luò)圖像生成

圖像識(shí)別主要算法圖像識(shí)別流程：圖像采集、圖像預(yù)處理、特征提取、特征識(shí)別 圖像預(yù)處理：ROI提取、圖像濾波與增強(qiáng)； 特征提?。篖BP、SIFT、HOG、CNN等等

目標(biāo)檢測(cè)主要算法（1）雙階段目標(biāo)檢測(cè)：RCNN、Fast RCNN、Faster RCNN、FPN、Mask RCNN； （2）單階段目標(biāo)檢測(cè)：YOLO、SSD、RetinaNet； （3）基于transformer：Ralation Net、DETR。

自動(dòng)駕駛主要算法

計(jì)算機(jī)視覺發(fā)展趨勢(shì)

五大發(fā)展趨勢(shì)：（1）優(yōu)化數(shù)據(jù)質(zhì)量 （2）應(yīng)用于健康和安全領(lǐng)域 （3）應(yīng)用于零售業(yè)（無人商店、掌脈識(shí)別等） （4）自動(dòng)駕駛汽車領(lǐng)域 （5）邊緣計(jì)算領(lǐng)域

8. 計(jì)算機(jī)視覺-學(xué)術(shù)界與工業(yè)界GAP有多大？

計(jì)算機(jī)視覺作為一項(xiàng)新興技術(shù)，不僅在學(xué)術(shù)界有很大的研究空間，同時(shí)也有廣闊的應(yīng)用前景。然而，學(xué)術(shù)界與工業(yè)界在計(jì)算機(jī)視覺領(lǐng)域中存在一定的差距。

首先，學(xué)術(shù)研究通常是以理論分析和實(shí)驗(yàn)驗(yàn)證為主，注重創(chuàng)新，追求技術(shù)的極致。工業(yè)界則更注重實(shí)際應(yīng)用，傾向于更穩(wěn)定和成熟的技術(shù)，并遵循商業(yè)化的標(biāo)準(zhǔn)。因此，在技術(shù)方向和目標(biāo)上，兩者可能存在差異。

此外，在可操作性和可行性方面，兩者也有所不同。學(xué)術(shù)界的研究大多是基于小型數(shù)據(jù)和標(biāo)準(zhǔn)化環(huán)境的實(shí)驗(yàn)，而工業(yè)界需要解決的實(shí)際問題往往更為復(fù)雜，需要更大量、更多樣的數(shù)據(jù)集和更廣泛的數(shù)據(jù)應(yīng)用。同時(shí)，實(shí)際應(yīng)用場(chǎng)景下，各種不確定性因素需要被充分考慮，如光照的變化、不同尺度。

審核編輯 ：李倩