获取《中国科学院2019年人工智能发展白皮书》完整版，请关注微信公众号：vrsina，后台回复“AI报告及白皮书”，该报告编号为20bg0015。
[研究报告内容摘要]
1。计算机视觉技术
计算机视觉（Computer Vision）是一门研究如何使机器“看”的科学，更进一步地说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的科学。近几年计算机视觉技术实现了快速发展，其主要学术原因是2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类，同年Google也开源了自己的深度学习算法。计算机视觉系统的主要功能有图像获取、预处理、特征提取、检测/分割和高级处理。
近年来，计算机视觉在产业界和学术界不断取得突破。
国际计算机视觉大会（IEEEInternational Conference onComputer Vision，简称ICCV）是全球计算机视觉领域三大顶级会议之一，2019年该大会共收到4328篇论文投稿，相比上一届ICCV 2017，数量翻了一倍不止。其中，中科院和清华大学的投稿数量在所有机构中遥遥领先。
欧洲计算机视觉会议（Europeon Conference on ComputerVision，简称ECCV）是全球计算机视觉领域三大顶级会议之一，2018年该大会共收到论文投稿2439篇，涵盖对抗性机器学习，对人、物体和环境的超快三维感知、重建与理解，面部追踪及其应用，行人重识别的表征学习，视觉定位等主题。
国际计算机视觉与模式识别会议（Computer Vision andPattern Recognition，简称CVPR）是全球计算机视觉领域三大顶级会议之一，2019年该大会共录取来自全球的论文1299篇，其中腾讯公司的腾讯优图和腾讯AILab有超过58篇论文被接收，相比过去两年成绩大幅提升。
ImageNet大规模视觉识别挑战赛（ILSVRC）从2010年开始举办，一年一度，至2017年终结，有力推动了计算机视觉的发展。截至2016年，ImageNet中含有超过1500万由人手工注释的图片网址，标签超过2.2万个类别，图像识别错误率已经达到2.9%，远远超越人类（5.1%）。
清华大学研究团队提出了一种全新的卷积神经网络架构DenseNet，显著地提升了模型在图片识别任务上的准确率；北京大学和微软亚洲研究院研究团队提出了一种新的硬感知深度级联嵌入方法来考虑硬水平的样本；
0