一、开源环境仅降低计算机视觉领域的入门技术门槛
工业界和学术界先后推出了用于深度学习模型训练的开源工具和框架，包括Caffe、Thea no、Torch、MX Net、Tensor Flow、Paddle Paddle、CNTK等等，极大降低了人工智能技术在工业实践中的入门门槛。尽管不同框架各有所长，但它们并不能真正满足企业在处理实际复杂业务时所面对的挑战，性能、显存支持、生态系统完善性、使用效率等不同层面的不足要求企业需要针对性的调整框架以适合自身业务所需。而在数据处理、计算集群管理、网络设计、应用端性能优化等若干重要环节都存在各种各样非开源技术或已成熟方案所能解决，极度依赖相关技术专家去探索求解的重要问题。对于前沿算法的突破创新以及算法在不同使用环境中的优化升级，不同公司的技术高低差异依然很大。
二、比赛的意义在于推动算法思想的进步
参考观研天下发布《2017-2022年中国机器视觉行业市场需求调研及投资战略研究报告》
2007年由李飞飞教授发起的Image Net计划将人工智能领域的影像数据推向了前所未有的规模，至今已有1400万张经过人工清洗标注的图片，含有2万个分类，为计算机视觉领域做出巨大贡献。自2010年每年一度的Image Net物体识别竞赛（对1000类接近50万张图片的单标签识别），更是成为了计算机视觉领域最受关注的比赛。2017年，Image Net举行了最后一届图像分类竞赛，Top 5的错误率降至2.25%（大幅领先人眼），该竞赛完成了历史使命，而更多的关于图像语义分割（像素级的分类问题）、1:N人脸识别、图像及视频理解（看图写话）方向的数据集与比赛将逐步登上舞台，推动更多领域更贴近真实世界场景的算法革新。
视觉比赛的算法设计一般不太考虑对计算资源的消耗和实际场景的可用性，所以相关算法不能直接用于实战。比赛成绩或许可用来判断对方技术是否位于世界前十，但并不代表相关公司服务客户、解决实际问题的能力。比赛的意义在于推动算法思想的进步，能否提出创新的思想更重要。
工业界和学术界先后推出了用于深度学习模型训练的开源工具和框架，包括Caffe、Thea no、Torch、MX Net、Tensor Flow、Paddle Paddle、CNTK等等，极大降低了人工智能技术在工业实践中的入门门槛。尽管不同框架各有所长，但它们并不能真正满足企业在处理实际复杂业务时所面对的挑战，性能、显存支持、生态系统完善性、使用效率等不同层面的不足要求企业需要针对性的调整框架以适合自身业务所需。而在数据处理、计算集群管理、网络设计、应用端性能优化等若干重要环节都存在各种各样非开源技术或已成熟方案所能解决，极度依赖相关技术专家去探索求解的重要问题。对于前沿算法的突破创新以及算法在不同使用环境中的优化升级，不同公司的技术高低差异依然很大。
图：深度学习算法研发中的重要环节
二、比赛的意义在于推动算法思想的进步
参考观研天下发布《2017-2022年中国机器视觉行业市场需求调研及投资战略研究报告》
2007年由李飞飞教授发起的Image Net计划将人工智能领域的影像数据推向了前所未有的规模，至今已有1400万张经过人工清洗标注的图片，含有2万个分类，为计算机视觉领域做出巨大贡献。自2010年每年一度的Image Net物体识别竞赛（对1000类接近50万张图片的单标签识别），更是成为了计算机视觉领域最受关注的比赛。2017年，Image Net举行了最后一届图像分类竞赛，Top 5的错误率降至2.25%（大幅领先人眼），该竞赛完成了历史使命，而更多的关于图像语义分割（像素级的分类问题）、1:N人脸识别、图像及视频理解（看图写话）方向的数据集与比赛将逐步登上舞台，推动更多领域更贴近真实世界场景的算法革新。
表：计算机视觉的数据竞赛成果（部分）
视觉比赛的算法设计一般不太考虑对计算资源的消耗和实际场景的可用性，所以相关算法不能直接用于实战。比赛成绩或许可用来判断对方技术是否位于世界前十，但并不代表相关公司服务客户、解决实际问题的能力。比赛的意义在于推动算法思想的进步，能否提出创新的思想更重要。
图：计算机视觉比赛的价值
资料来源：观研天下整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
