隨著深度學習的迅猛發展，計算機視覺也成為了目前人工智能領域落地最順利的技術。計算機視覺(Computer Vision)是一門研究如何用攝影機和計算機代替人眼對目標進行跟蹤、識別、分析、處理等。此過程極具挑戰性，光是隔離圖像并進行識別的簡單概念就花費了研究人員大量的時間。經過多年的努力，使用計算機視覺軟件和硬件算法部署深度學習技術的企業在識別對象方面都取得了一定程度的成功。

　　據Tractica預測，計算機視覺產品市場將在2022年達到全新的高度，最大的增長將出現在智能駕駛，工業視覺檢測緊隨其后預計營收可達98億美元，安防可達37.9億美元，醫療行業為23億美元，文娛為20億美元，零售業和農業增長最低分別為6.55億美元和1.97億美元。同時Tractica還預測2022年將有眾多半導體、元件制造商等硬件公司和軟件公司將投入大量資金支持計算機視覺產品的開發。

　　目前我國有100多家計算機視覺企業，包括Face++曠視科技、依圖科技、Video++極鏈科技等獨角獸公司，涉獵安防影像、身份認證、AI文娛等眾多應用領域。

　　計算機視覺的興起

　　近年來，為了讓計算機更像人，能夠認知事物，從而進行判定和深度學習，計算機視覺技術方法與應用發展迅速，全球計算機視覺市場正處于迅速發展之中。伴隨著人工智能產業升溫，計算機視覺行業也在加速擴張。

　　計算機視覺技術源于 80 年代的神經網絡技術，最近兩年的發展才真正實現大規模商業化落地，背后驅動這項人工智能技術的突飛猛進源于芯片技術發展帶來的計算能力指數級提升，互聯網和物聯網技術發展提供了海量的數據，深度學習技術開源推動算法的快速工程化與迭代升級。

　　促進這種技術進步的主要因素包括但不限于：

　　無線網絡的普及與拓展，每日可供數百萬人使用。

　　寬帶速度的大幅度提升，為影像的傳輸、處理、分享提供了便利。

　　互聯網和物聯網數據庫為CNN培訓網絡提供了大量數據儲存。

　　各大公司的研究實驗室為此投入了大量資金和資源。

　　軟件迭代高效且迅速，硬件設備也在努力加快迭代升級。

　　具有計算機視覺和深度學習知識基礎的工程師逐年增加。