1.什么是计算机视觉
通过机器模拟人类视觉系统，采集、处理、分析视频图片素材，提取并理解场景信息。
2.行业&产品分布
目前CV的落地主要集中在安防、医疗、零售、自动驾驶；在互联网短视频、物流、智能教育几个行业也有少量对特定场景的解决方案。
2.1 行业调研
2.1.1 行业概况
17年，人工智能市场规模237亿，CV占了34.9%。
其中67.9%的营收都是安防领域贡献的，18.1%来自广告营销。
目前依然是安防占据了CV市场结构中的大头，这可能和行业特点、硬件/算法发展路径有关。
相比其他传统行业，安防行业有更强的"鉴定身份"需求，场景从最初的 1.1v1,1vN,指纹比对 2.身份证人脸比对 到最新的 3.静态人脸自动检测 4.动态人脸检测&对象行为轨迹分析 5.智慧案情分析 发展方向从单纯的鉴定身份，逐渐到后续更多的业务场景。
2.1.2 计算机视觉的行业应用
整理18年1—8月人工智能创业公司融资信息，找出最新的行业落地方向，分析产品竞争力。
18年上，融资的创业公司共199家，计算机视觉通用服务方向有36家，和CV有关的30家。
落地行业，按企业数量排序为：医疗、零售、工业检测、智能驾驶、智能教育、安防，其中有专注底层技术，提供多行业解决方案的，比如商汤、旷世，也有聚焦一个行业的，比如哈哈零售、一脉阳光。
医疗：基于计算机视觉技术的，智能CT、智能X线辅助筛查，辅助放射科医生诊断病情，除了初步的辅助诊断病情，还有针对医学痛点的其他AI方案，例如推想科技提供的医疗深度学习平台，药物研发深度学习平台等。运营模式上，基本都是和医院合作，提供智能诊疗系统。行业的难点在高质量数据难以获得，业务场景相对复杂，需要有专业医学背景的标注人员。
零售：提供基于计算机视觉的无人货架方案，自动识别用户拿走的商品，另外根据人流分析、商品销售情况，输出一整套 供应——>运输——>销售数字化方案。
工业检测： 提供基于深度学习的外观缺陷视觉检测、精确测量技术设备，目标行业是手机加工，汽车，3C等，价值在提高企业的加工环节的自动化率，降低人工成本、提高产品质量。
智能教育：和CV相关的，机器阅卷。
根据对AI影响比较重要的几个因素，算法、数据、落地场景，将相关公司分为几类
诸如顺丰、头条类公司，有丰富的数据积累，通过算法，输出AI方案，解决自己业务的痛点。
还有和第三方传统行业龙头战略合作，抱大腿接需求，专门解决对方业务痛点的，例如极视角和华润战略合作。
最后附一张，头部CV公司在各行业的产品布局。
2.2 产品调研
2.2.1 腾讯觅影
背景：看病流程可以简化为三个步骤，诊前：日常的运动、大保健，对疾病预防。 诊中：智能分流——>辅助诊断——>药方建议。诊后：保养，其他不在主流程里的还有药物研发、医生学习等。
观察整个诊疗过程，有图像产生&高重复性&人工大量集中的环节，主要在诊中，腾讯觅影提供辅助诊断的能力，也是在诊中环节，针对病人CT/X光，给医生提供可能疾病的建议，对医生提效的同事，也提高了初中级医生的判断能力。
从腾讯觅影的官网看，目前能够提供包括肺癌、食道癌等6个癌症的诊断能力，检出率or准确率，都能做到90%以上。
从医院公告来看，主要扮演提醒者，辅助医生作业。
2.2.2 鲁班智能设计平台
场景很明确，设计电商banner，初期是辅助，后期替换。
四个核心生成步骤：
一，让机器理解设计是什么构成的：通过人工数据标注，对设计的原始文件中的图层做分类，对元素做标注。设计专家团队也会提炼设计手法和风格。通过数据的方式告诉机器这些元素为什么可以放在一起，我们把专家的经验和知识通过数据输入。这部分核心是深度序列学习的算法模型。
第二步，建立元素中心：当机器学习到设计框架后，需要大量的生产资料。我们会建立元素库，通过机器做图像特征提取，然后分类，再通过人工控制图像质量以及版权问题，我们买了有版权的图库，也是希望从一开始就避免版权方面的纠纷。
第三步，生成的系统：原理有点像 Alpha Go 下围棋。我们在设计框架上构建起虚拟画布，类似棋盘，生成的系统把元素中心的元素往棋盘放，在这里我们采用了“强化学习”，就好像你在家里放一台扫地机器人，让它自己跑，跑个几圈，它自己会知道哪里有障碍要避开。在强化学习的过程中，机器参考原始样本，通过不断尝试，得到一些反馈，然后从中学习到什么样的设计是对的、好的。
第四步，评估的系统：我们会抓取大量设计的成品，从“美学”和“商业”两个方面进行评估。美学上的评估由人来进行，这方面有专业众包公司；商业上的评估就是看投放出去的点击率浏览量等等。
2.3 调研结论
从各创业公司的产品分布看，目前有三种模式
1.头部创业公司，竞争力在维持技术优势，未来有新的行业方向，第一时间切上去，因为技术优势，所以哪怕发现晚点，也可以快速形成自己有竞争力的方案。
2.利用行业资源，垂直做一个方向，算法可能不占优势，但因为竞争力在于资源，可以保证产品快速落地，积累资源、数据优势。
3.做方案商，自己没有数据、算力，输出算法能力，抱住一两个传统行业的大腿，接需求，对自己没有沉淀。
2.4 CV的机会怎么找
目前看,CV价值在两方面
1.替换辅助人工，业务提效
人能做的机器也能做，主要收益在提效，对应鲁班、机器阅卷、人脸监控、无人货架都是解放人力，提高效率。
具体是替换还是辅助，看场景的业务难度。
2.创造新的场景体验
人脸远程比对、视频广告、AI美颜，处理海量数据+低延时要求，人做不了，得靠机器，创造了新的场景和用户体验。
1. 找重复性人力集中的地方 2.找图片/视频和用户交叉的地方。