自拍美圖、人臉識(shí)別、無(wú)人駕駛……很難說(shuō)計(jì)算機(jī)視覺(jué)還高冷地?zé)o人知曉，其實(shí)它早已潛入日常生活中。40年前，這項(xiàng)與機(jī)器人本為一家的技術(shù)，一度因識(shí)別精準(zhǔn)率過(guò)低被嫌棄，緊追猛趕后，如今終于回到與機(jī)器人并駕齊驅(qū)的高尖水平。

　　最新的計(jì)算機(jī)視覺(jué)進(jìn)展到什么程度？

　　2015年12月13日，烏鎮(zhèn)世界互聯(lián)網(wǎng)大會(huì)舉辦前夕，第14屆國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)（ICCV）在南美智利舉辦，這場(chǎng)2年一屆的頂尖盛會(huì)，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(jué)計(jì)算組研發(fā)出全新深度學(xué)習(xí)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(wàn)比資料就可以訓(xùn)練出深層的類神經(jīng)網(wǎng)絡(luò)。這些最先進(jìn)的深度學(xué)習(xí)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(zhǔn)地識(shí)別出來(lái)，平均錯(cuò)誤率從幾年前的動(dòng)輒50%，到今年已經(jīng)降到3%，已可接入實(shí)際應(yīng)用。

　　華人自古以來(lái)的圖像情節(jié)

　　ICCV頭條中的“亞洲”字眼非常醒目，實(shí)際上微軟這項(xiàng)里程碑式成果的發(fā)明者全是中國(guó)人。如果這還無(wú)法證明計(jì)算機(jī)視覺(jué)的世界版圖正向亞洲遷移，來(lái)看下一項(xiàng)證據(jù)。

　　ICCV通常在北美、歐洲等技術(shù)發(fā)達(dá)的國(guó)家舉行，今年的大會(huì)贊助商名單中竟出現(xiàn)了不少中國(guó)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(guó)際會(huì)議上越發(fā)活躍之外，中國(guó)的計(jì)算機(jī)視覺(jué)學(xué)者也藉由區(qū)域型會(huì)議如ACCV，以及國(guó)內(nèi)計(jì)算視覺(jué)大會(huì)CCCV、RACV，凝聚了大量的政、商、媒體、學(xué)界的焦點(diǎn)與資源。

　　過(guò)去十年，中國(guó)人在計(jì)算機(jī)領(lǐng)域的分量和影響力逐年增加，相關(guān)學(xué)者越來(lái)越多，我在美國(guó)讀博士班的時(shí)候，教授就很好奇，“為什么你們?nèi)A人對(duì)計(jì)算機(jī)視覺(jué)特別感興趣？”我回答說(shuō)，“因?yàn)槲覀兊奈淖志褪菑南笮挝淖珠_始，本身從圖像引申來(lái)的，看文字就像在看圖像一樣。”

　　中國(guó)很多面孔雖沒(méi)有去國(guó)外念過(guò)博士，但卻在這個(gè)領(lǐng)域越來(lái)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(lái)藉由“阿里云”的“天池”平臺(tái)舉辦的各項(xiàng)競(jìng)賽，包括剛剛舉辦完的“淘寶穿衣搭配算法競(jìng)賽”與“阿里大規(guī)模圖像搜索大賽”，也都幫助中國(guó)在圖像識(shí)別研究走在于世界的最前面。

　　五年前，中國(guó)計(jì)算機(jī)視覺(jué)的市場(chǎng)還小于美國(guó)，現(xiàn)在，兩國(guó)做計(jì)算機(jī)視覺(jué)的新創(chuàng)公司數(shù)量已旗鼓相當(dāng)。如果碰上合適的具體市場(chǎng)應(yīng)用，過(guò)幾年很有可能超越美國(guó)，且成為贏家通吃的局面，就像以色列的MobileEye獨(dú)占全球的“車輛撞擊預(yù)警系統(tǒng)”一樣。

　　中國(guó)獨(dú)特的市場(chǎng)需求：視頻+廣告

　　計(jì)算機(jī)視覺(jué)雖未迎來(lái)里程碑式的巨大風(fēng)口，但一個(gè)接一個(gè)的小風(fēng)口從未斷過(guò)。90年代人臉偵測(cè)成熟之后，現(xiàn)在所有的相機(jī)都可以框出人臉。下一項(xiàng)成熟的技術(shù)，人臉識(shí)別，還可以精準(zhǔn)識(shí)別誰(shuí)是誰(shuí)?，F(xiàn)在從臉書上傳照片，會(huì)自動(dòng)匹配好所有好友的標(biāo)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(cè)畫面中的人物移動(dòng)。
目前大家搶著要解決的，是如何提升影像中物件識(shí)別的準(zhǔn)確度。一旦可以輕易知道畫面中存在的人物、物件、場(chǎng)景，就能用增強(qiáng)現(xiàn)實(shí)做游戲（AR）、監(jiān)測(cè)自動(dòng)駕駛的環(huán)境等等。中國(guó)的巨頭BAT都在做計(jì)算機(jī)視覺(jué)應(yīng)用。阿里舉辦商品識(shí)別大賽，第一年就推出了一百萬(wàn)商品做識(shí)別，但像同款女裝識(shí)別還比較困難，受材質(zhì)、穿著者身材影響，沒(méi)法直接商品化應(yīng)用。騰訊有自己的視頻服務(wù)，有自建團(tuán)隊(duì)做視頻中商品識(shí)別、廣告關(guān)聯(lián)，從頭吃到尾。百度有無(wú)人駕駛、云平臺(tái)、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(guó)獨(dú)創(chuàng)于世界的特色市場(chǎng)。這塊技術(shù)比YouTube早跑了兩年，不同于YouTube一家獨(dú)大，中國(guó)至少有十家企業(yè)競(jìng)爭(zhēng)，都是賠錢在搶市場(chǎng)。阿里和優(yōu)酷、騰訊、愛(ài)奇藝、搜狐等視頻大佬，都開始鉆研基于視頻內(nèi)容識(shí)別的關(guān)聯(lián)廣告，即邊看邊購(gòu)物體驗(yàn)。

　　現(xiàn)在看視頻時(shí)接觸的各類明星同款商品推送，已經(jīng)是深淺不一的機(jī)器視覺(jué)技術(shù)。觀賞綜藝節(jié)目時(shí)，隱藏在屏幕背后的機(jī)器腦“看到”你喜愛(ài)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(jī)。這就是智能化的視頻內(nèi)容辨識(shí)，用機(jī)器取代人眼、人腦，識(shí)別甚至肉眼無(wú)法認(rèn)知的物件紋路、形狀、商標(biāo)，用大數(shù)據(jù)技術(shù)做到更相關(guān)的商品、知識(shí)信息匹配推送。雖然各公司還在摸著石頭過(guò)河，但這塊應(yīng)用做好則用戶與商家皆大歡喜。

　　機(jī)器視覺(jué)的未來(lái)

　　計(jì)算機(jī)視覺(jué)的未來(lái)何去何從？這塊領(lǐng)域的大佬、加州伯克利大學(xué)的Jitendra Malik教授，十年前就斗膽預(yù)測(cè)了未來(lái)十年計(jì)算機(jī)視覺(jué)的重要發(fā)展，如今驗(yàn)證了他的大部分預(yù)測(cè)都是對(duì)的。在今年的ICCV大會(huì)上，Malik教授又做了十大方向的預(yù)測(cè)，結(jié)合場(chǎng)景的語(yǔ)義分析就是其中重要一塊。未來(lái)物件識(shí)別還會(huì)持續(xù)推進(jìn)，朝畫面中所帶訊息、不同場(chǎng)景下的情感和意義的識(shí)別發(fā)展。也許未來(lái)，機(jī)器視覺(jué)就成讀心專家，準(zhǔn)備好迎接這位朋友了嗎？