國知局人工智能課題組對計算機視覺技術(shù)的專利分析
專利代理 咨詢電話 18210958705 QQ 2101183472 發(fā)布時間：2021-03-28 22:03:53
國知局專利分析普及推廣項目人工智能關(guān)鍵技術(shù)課題組從計算機視覺技術(shù)專利整體現(xiàn)狀、自動駕駛、醫(yī)療影像等應(yīng)用領(lǐng)域?qū)＠季郑瑢τ嬎銠C視覺技術(shù)進(jìn)行分析。
專利現(xiàn)狀
受益于深度學(xué)習(xí)算法及數(shù)據(jù)的積累，計算機視覺技術(shù)從2012年開始快速迭代。2012年，ImageNet大規(guī)模視覺識別挑戰(zhàn)賽中，冠軍團隊使用深度學(xué)習(xí)算法將識別錯誤率降低了10%，成為影響人工智能進(jìn)程的里程碑事件，計算機視覺技術(shù)迎來了突破性發(fā)展。
隨著技術(shù)的突破，全球計算機視覺技術(shù)專利申請量激增，中國近年來專利申請量連續(xù)取得世界第一，中國以67.7%的占比，排在目標(biāo)國申請量的首位，美國以近22%位居第二。
計算機視覺技術(shù)應(yīng)用領(lǐng)域：
1、智能安防
隨著安防產(chǎn)品的不斷擴張，傳統(tǒng)安防技術(shù)的計算能力不足以應(yīng)對日益增長的視頻和圖像數(shù)據(jù)，識別效率和識別準(zhǔn)確率也阻礙了安防產(chǎn)業(yè)進(jìn)一步的發(fā)展。
計算機視覺技術(shù)具備超越人眼的識別準(zhǔn)確率,已成為智能安防的關(guān)鍵技術(shù)之一。
智能安防中的人臉識別算法經(jīng)歷了早期算法、人工特征+分類器、深度學(xué)習(xí)三個階段。早期算法有基于幾何特征的算法，基于模板匹配的算法，子空間算法等多種類型，這些算法嚴(yán)重依賴訓(xùn)練集和測試集場景，且對光照、人臉的表情、姿態(tài)敏感，泛化能力不足，不具有太多的實用價值；第二階段的人臉識別算法普遍采用了人工特征+分類器的思路，部分解決了光照敏感問題，但還是存在姿態(tài)和表情的問題；目前利用深度學(xué)習(xí)的人臉識別算法已成主流，極大地提高了智能安防實時監(jiān)控精度。
2013年，F(xiàn)acebook提出了DeepFace算法，該算法通過對檢測后的圖片進(jìn)行二維裁剪，將人臉部分裁剪出來，然后轉(zhuǎn)換為3D模型，利用CNN模型對3D模型進(jìn)行特征提取、歸一和分類完成人臉識別。DeepFace算法是人臉識別的奠基之作，直接影響了后續(xù)的DeepID和FaceNet等算法。
同年，谷歌提出了Inception網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)構(gòu)造了一種“基礎(chǔ)神經(jīng)元”結(jié)構(gòu)，來搭建一個稀疏性、高計算性能的網(wǎng)絡(luò)結(jié)構(gòu)，將CNN中常用的卷積、池化操作堆疊在一起。在LFW上，使用了兩種模式：直接取LFW圖片的中間部分進(jìn)行訓(xùn)練，效果98.87左右；使用額外的人臉對齊工具，效果99.63左右，超過DeepID。
2016年，谷歌的提出了NasNet，并以此提交了專利申請（申請?zhí)枺篣S62414300）。這個模型并非是人為設(shè)計出來的，而是通過谷歌很早之前推出的AutoML自動訓(xùn)練出來的。該項目目的是實現(xiàn)“自動化的機器學(xué)習(xí)”，其在圖像分類任務(wù)中表現(xiàn)極為優(yōu)秀。
2017年，谷歌推出了MobileNet。該技術(shù)使用了一種稱之為deep-wise的卷積方式來替代原有的傳統(tǒng)3D卷積。
其他創(chuàng)新主體也圍繞移動端應(yīng)用進(jìn)行大量技術(shù)創(chuàng)新，如通過神經(jīng)網(wǎng)絡(luò)模型的壓縮、大型網(wǎng)絡(luò)的特性遷移至小型網(wǎng)絡(luò)等。
2、醫(yī)療影像
傳統(tǒng)的醫(yī)學(xué)影像依賴于醫(yī)師根據(jù)影像提供的信息進(jìn)行診斷,而計算機視覺技術(shù)為醫(yī)療影像帶來了新機會。自2006年，全球涉及醫(yī)療影像的計算機視覺相關(guān)專利近2000件。
醫(yī)療影像的計算機視覺技術(shù)可以分為前期的圖像獲取，中期的圖像處理，以及后期的圖像診斷，無論從專利布局?jǐn)?shù)量還是布局質(zhì)量，西門子、通用電氣和飛利浦是該領(lǐng)域最重要的專利申請主體。
三家企業(yè)在醫(yī)療圖像構(gòu)建、醫(yī)療圖像生成、醫(yī)療圖像增強和醫(yī)療圖像修復(fù)等細(xì)分技術(shù)均進(jìn)行了大量的專利布局，上述專利技術(shù)主要關(guān)注如何通過計算機視覺技術(shù)更高效地分析處理醫(yī)療數(shù)據(jù)，提升圖像檢測設(shè)備的性能，使其能獲取更準(zhǔn)確、更豐富的信息。
3、自動駕駛
視覺技術(shù)在自動駕駛方面越來越受科技型企業(yè)、傳感器企業(yè)、汽車企業(yè)的重視。Mobileye公司具有絕對的技術(shù)優(yōu)勢和市場優(yōu)勢。
2006年，深度學(xué)習(xí)算法剛提出不久，Mobileye就嘗試?yán)蒙疃葘W(xué)習(xí)算法對車燈進(jìn)行了識別，并利用車燈信息對車輛進(jìn)行識別導(dǎo)航。
同時，福特提出利用人工智能技術(shù)修復(fù)低分辨率的圖像，使得汽車在夜間也能獲得更加清晰的圖像。
松下提出了專門處理環(huán)視視覺的處理器架構(gòu)，布局十分超前。不久前，Mobileye推出新的視覺輔助駕駛系統(tǒng)才開始采用多攝像頭的環(huán)視技術(shù)。這一階段，由于技術(shù)的不成熟，車輛控制所出現(xiàn)的關(guān)鍵技術(shù)較少。
2013年后，計算機視覺方面的技術(shù)發(fā)展越來越成熟，大量關(guān)鍵性技術(shù)不斷涌現(xiàn)。Mobileye采用了人工智能識別算法，識別道路輪廓。百度也利用人工智能算法識別車道線。這些都對車輛行駛路徑的規(guī)劃提供了技術(shù)保障。
硬件設(shè)備領(lǐng)域，隨著傳感技術(shù)和算法的發(fā)展，智能網(wǎng)聯(lián)汽車獲得的數(shù)據(jù)越來越多，而車輛的操控具備及時性，這就要求處理器能在短時間內(nèi)處理大量的數(shù)據(jù)。
Mobileye在硬件系統(tǒng)方面研發(fā)了多核多線程處理設(shè)備，也一直自主設(shè)計芯片，芯片和算法的融合設(shè)計使得其計算能力得到了進(jìn)一步提升。
(樂知網(wǎng)- 領(lǐng)先的一站式知識產(chǎn)權(quán)服務(wù)平臺，聚焦 發(fā)明專利申請,專利宣告無效, 商標(biāo)注冊申請 業(yè)務(wù))
關(guān)鍵詞： 專利申請 專利查詢 專利檢索 ?
