當(dāng)前技術(shù)：★★★★?
未來潛力：★★★★?
應(yīng)用落地：★★★??
視覺識別是機(jī)器學(xué)習(xí)比較早突破的領(lǐng)域， 這是由于之前的符號派主要使用模式識別的方法，對變化多端的圖像編碼識別能力是各大應(yīng)用領(lǐng)域里最弱的，而機(jī)器學(xué)習(xí)的本質(zhì)適合大量的不確定的素材分類，非常適合視覺識別領(lǐng)域。
模式識別就像是自上而下的方法，現(xiàn)有模式后識別匹配度，而機(jī)器學(xué)習(xí)更像是自下而上的方法，先有大量素材，機(jī)器自己學(xué)習(xí)一個多層復(fù)雜模式（大部分情況下不能解釋）來判定分類。
ImageNet&CNN
視覺識別領(lǐng)域不得不提ImageNet Large-Scale Visual Recognition Challenge（ILSVRC）比賽。從2010年開始每年舉辦一屆，2012年多倫多大學(xué)Geoffrey Hinton學(xué)生的AlexNet取得突破的16%后，紐約大學(xué)LeCun團(tuán)隊，牛津大學(xué)，谷歌，微軟紛紛參賽大幅提高正確率，涌現(xiàn)了AlexNet，ZFNet，OverFeat，VGG，Inception，ResNet等經(jīng)典網(wǎng)絡(luò)，最終2017年達(dá)到了29支隊伍的錯誤率在5%以下，所以之后大賽停辦。
ImageNet也指由李飛飛李飛飛領(lǐng)導(dǎo)的圖片數(shù)據(jù)集，李飛飛團(tuán)隊從2007年開始，耗費大量人力，通過各種方式（網(wǎng)絡(luò)抓取，人工標(biāo)注，亞馬遜眾包平臺）收集制作而成，作為論文在CVPR-2009發(fā)布。目前是一個超過15 million的圖像數(shù)據(jù)集，大約有22,000類，參見http://www.image-net.org/。ImageNet的道理是很簡單的，所以當(dāng)時有很多計算機(jī)大牛并不屑做此類基礎(chǔ)沒說明智慧含量的工作。我不知道李飛飛當(dāng)時是出于何種動力，是確實看到深度學(xué)習(xí)的前景缺少數(shù)據(jù)集“喂養(yǎng)”，還是因為在硅谷，氛圍適合做一些大項目，也或是因為手下的年輕研究生多。而當(dāng)時數(shù)據(jù)集發(fā)布以后人們還很懷疑通過更多數(shù)據(jù)就能改進(jìn)算法的看法，而且對于只是做了苦活建立了數(shù)據(jù)集就能發(fā)表論文表示不滿。
時至今日，我們已經(jīng)知道了新一輪的人工智能浪潮就是由機(jī)器學(xué)習(xí)一路引領(lǐng)的，而最重要的就是要由高質(zhì)量的數(shù)據(jù)集，如果沒有數(shù)據(jù)集，研究算法無從談起，因為從本質(zhì)上來說，機(jī)器學(xué)習(xí)是自下而上的。ImageNet的誕生產(chǎn)生了很多影響，全世界的研究員，程序員都可以使用ImageNet
數(shù)據(jù)集來訓(xùn)練自己的算法。
ILSVRC比賽使用的數(shù)據(jù)集是ImageNet數(shù)據(jù)集的一個子集，一般說的ImageNet（數(shù)據(jù)集）實際上指的是ImageNet的這個子集，總共有1000類，每類大約有1000張圖像。具體地，有大約1.2 million的訓(xùn)練集，5萬驗證集，15萬測試集。
CNN模型時1998 年深度學(xué)習(xí)三巨頭之一的 Lecun 正式提出了，并設(shè)計了 LeNet-5 模型用于手寫字符識別等領(lǐng)域，取得了不錯的結(jié)果。十多年后的 ImageNet 比賽中，基于 CNN 的 AlexNet 在比賽中大放異彩，并引領(lǐng)了 CNN 的復(fù)興，目前，CNN 是計算機(jī)視覺領(lǐng)域最重要的算法，在很多問題上都取得了良好的效果。
人臉識別
目前視覺識別中比較成熟的應(yīng)用模塊是人臉識別，靜態(tài)照片和動態(tài)視頻都可，主要應(yīng)用領(lǐng)域有：安防，金融，美顏三大場景，技術(shù)上已趨于成熟。
安防場景主要應(yīng)用于反恐、邊檢、公安等多個監(jiān)管部門。在金融領(lǐng)域，主要提供人臉識別登錄功能支持。在移動互聯(lián)網(wǎng)方面，提供美顏，動態(tài)美化等技術(shù)。
國內(nèi)主要公司：商湯/曠視/依圖，云從，格靈深瞳
視覺識別領(lǐng)域的獨角獸比較多，國內(nèi)的商湯和曠視算是第一梯隊，業(yè)務(wù)重疊也較大。云從是唯一的國家隊，依圖除了三大場景還宣布進(jìn)入醫(yī)療領(lǐng)域，格靈深瞳曾想在識別技術(shù)上突破，從2D到3D。
商湯SenseTime科技由香港中文大學(xué)工程學(xué)院團(tuán)隊創(chuàng)立，2016年曾拿過ImageNet一個分賽的冠軍。在融資上表現(xiàn)極佳，曾連續(xù)獲得4.1億，6億，10億美金，估值抬至60億美金。商湯原本只是為其他行業(yè)提供算法的，但拿了很多錢以后，應(yīng)該是錢其實是過多了，也開始做再投資相關(guān)業(yè)務(wù)和視覺識別的商業(yè)化落地等延申工作。2016年和2017年是國內(nèi)互聯(lián)網(wǎng)金融最熱的時候，為金融服務(wù)提供人臉識別智能語音等技術(shù)是當(dāng)時最大的業(yè)務(wù)，安防是第二大重點，通過智能視頻解決反恐、罪犯抓捕和保障公共安全，當(dāng)然也提供手機(jī)相機(jī)的算法。
曠視Face++，從名字上看就知道開始主要做人臉識別的，主要班底是清華姚班，商業(yè)上也比較明確，以人臉識別為主要技術(shù)的場景擴(kuò)展，在安防領(lǐng)域落地提供一整套方案，以智能攝像頭硬件為基礎(chǔ)的，涵蓋了包括人臉識別門禁、天眼監(jiān)控系統(tǒng)、動態(tài)人臉識別監(jiān)控、人證合一等多個應(yīng)用方向，應(yīng)用于反恐、邊檢、公安等多個監(jiān)管部門。在金融領(lǐng)域，曠視背靠投資方阿里巴巴，為支付寶客戶端提供人臉識別登錄功能支持。在移動互聯(lián)網(wǎng)方面，曠視為美圖提供技術(shù)。
云從科技孵化于中科院重慶研究院，是唯一一個沒有阿里系和外資入股的人臉識別獨角獸，目前銀行業(yè)人臉識別第一大供應(yīng)商。由于目前視覺識別的主要場景安防，金融客戶都是國家居多，云從科技也是有很大的機(jī)會的。
依圖YITU有上海交通大學(xué)背景，與上述三家不同的是，2016 年下半年率先將人工智能技術(shù)應(yīng)用于醫(yī)學(xué)影像的AI獨角獸公司。當(dāng)然也有常規(guī)的安防，金融業(yè)務(wù)。
格靈深瞳曾經(jīng)也是第一梯隊的，創(chuàng)始人趙勇是Google Glass 的七位設(shè)計者之一，但過于強(qiáng)調(diào)先進(jìn)技術(shù)，和商業(yè)決策上的失誤脫離了第一梯隊，具體可以參看36Kr的小敗局：https://36kr.com/p/5226977
安防，金融幾乎是所有視覺識別公司的最大業(yè)務(wù)，而從技術(shù)層面說，從2017年開始其實大家都已經(jīng)差不多了，更多的其實是商業(yè)競爭。依圖參與醫(yī)療視覺識別是個我個人覺得很有社會責(zé)任感的事情，不過有時候商業(yè)不一定會回報，短期有可能不會太有成效。格靈深瞳技術(shù)追求是深遠(yuǎn)的，可惜3D攝像頭并不普及，而且市場并不買賬最佳，而是最佳性價比，格靈深瞳的遭遇不在技術(shù)問題，而在對經(jīng)濟(jì)規(guī)律的理解上，但是我還是希望他們能繼續(xù)走下去。
個人職業(yè)選擇
目前視覺識別機(jī)器學(xué)習(xí)的算法已經(jīng)比較成熟，如果作為頂尖研究者，能改進(jìn)的方面有限，空間也不大（5%）。但只是進(jìn)入視覺識別領(lǐng)域做工程師還是有一定機(jī)會，因為具體場景結(jié)合的應(yīng)用非常多。
傳統(tǒng)行業(yè)也在梳理自己已有業(yè)務(wù)，希望能應(yīng)用機(jī)器學(xué)習(xí)進(jìn)行商業(yè)落地，雖然視覺識別的算法比較成熟，但不同場景下的操作細(xì)節(jié)還是需要經(jīng)驗來調(diào)適，這一塊也需要大量人才，需要略懂機(jī)器學(xué)習(xí)和相關(guān)領(lǐng)域知識的復(fù)合人才，是項目經(jīng)理，商業(yè)人才，其他可應(yīng)用視覺識別算法領(lǐng)域人才很好的職業(yè)選擇，從職業(yè)發(fā)展上來說不會有爆炸式成長，但算是個安穩(wěn)的方向。
想要學(xué)習(xí)視覺識別機(jī)器學(xué)習(xí)課程，首選斯坦福的兩個課程：
CS231N：Convolutional Neural Networks for Visual Recognition《用于視覺識別的卷積神經(jīng)網(wǎng)絡(luò)》 ：
課程主頁：http://cs231n.stanford.edu/
視頻鏈接：https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
Coursera上的斯坦?！稒C(jī)器學(xué)習(xí)》課程：
https://www.coursera.org/learn/machine-learning
更多的擴(kuò)展和深入的編程課程可以參看：
Khan Academy可汗學(xué)院:https://www.khanacademy.org/
LeetCode力扣:https://leetcode-cn.com/
