较早发展并取得突破，目前应用场景也较为明确。计算机视觉在人工智能中占了重要市场地位，未来市场空间广阔。
根据iResearch数据，2019年国内计算机视觉核心产业规模和带动相关产业规模分别为633.3亿元和1438.6亿元，占AI核心产业和带动相关产业规模的比重分别达到58.2%和37.6%。预计至2025年国内计算机视觉核心产业规模和带动相关产业规模将分别增长至1537.1亿元和4858.4亿元，年均复合增长率分别为15.9%和 22.5%。
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。大概能分为这么几类：目标检测、图像分割、图像增强、图像生成、人脸分类识别、姿态估计、立体视觉等。
产业链可分为基础层、技术层和应用层。基础层包括硬件支持、算法支持和数据集；技术层包括视觉技术平台、视频识别、图片识别和模式匹配；应用层包括计算机视觉技术在智慧城市、智慧安防、智慧物流、智慧金融、手机终端和智慧商业等领域的应用。
过去几年，随着人工智能深度学习算法快速成熟，国内涌现出了大批基于计算机视觉算法技术的AI企业，根据艾瑞咨询的数据，从2017年到2020年10月国内计算机视觉相关业务的获投公司数就达到146家。不过虽然企业众多，但集中度却很高，头部几家企业较为突出，商汤科技、旷视科技、云从科技、依图科技四家企业就占据市场占有率的50%以上。
从这些获投企业所在的细分赛道可以很清晰的看到，计算机视觉技术都应用在哪些领域，大多分布在在零售、安防、制造、政务、医疗等行业。其中零售行业占比最大，可基于场景化营销、商品识别分析等应用提升营销转化率，实现门店运营的智能化改革；安防行业是计算机视觉最早落地的场景，利用安防影像智能分析协助城市治理等领域的智能化转型。
计算机视觉在学术界和工业界上有差异。一位算法工程师明确说，计算机视觉现在的状态就感觉是，各个问题算法效果都能出一个baseline，但调优的空间并不大，更多时候是靠苦力，比如标数据，清洗数据，badcase分析，写保护逻辑，前后处理等。而学术界几篇无监督MOCO、CLIP等新作确实很惊艳，但却比不上自己用业务数据训练出来的神经网络模型。
计算机视觉算法在工业上更关注于如何落地，更多是在基于业务理解的基础上对客户的真实需求的定制，也就为了能够紧贴客户的真实需求，工业界为了算法落地需要做很多努力，包括网络架构实验，训练方法试验，造数据，清洗数据，badcase分析，打补丁，底层性能优化，这其中每一点都要耗费巨大的人力物力。
从长远发展的新趋势来看，目前计算机视觉还未进入技术发展的下半场，未来随着计算机视觉技术在人脸识别上性能的不断突破，限定场景识别准确率将不断的提高，愈来愈多的对象识别、分类问题将会逐步实现工业化，渗透进更多的行业应用。
整体而言，计算机视觉技术要想更好的实现应用落地，需要在对具体业务场景的理解之上进行针对性开发，以提供更全面、及时的服务，这要求计算机视觉企业未来在重视前沿算法研发的同时，要进一步加强算法和商业应用的融合。
这三者的关系 /
类型是什么？ /
的三种方法 /
类型是什么？ /
正像其它学科一样，一个大量人员研究了多年的学科，却很难给出一个严格的定义，模式识别如此，目前火热的人工智能如此，
有什么关系？ /
【国产FPGA+OMAPL138开发板体验】（原创）7.硬件加速Sora文生视频源代码
【昉·星光 2 高性能RISC-V单板计算机体验】以容器的方式安装 HomeAssistant
