京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅析图像大数据产业发展前景广阔_数据分析师
第1页:大数据亟须转化为研究支撑
原先设计50多人规模的沙龙活动,结果报名参会者多达300余人。主办方不得不更改会议室,以便容纳陆续到来的参会者。
这是4月15日中国科学院自动化所召开的“第二届中国图像视频大数据产业创新论坛”的现场情景。本次论坛由图像视频大数据产业技术创新战略联盟主办,中科院自动化所智能感知与计算研究中心承办。
“从参会人员的规模我们可以看出目前大家对图像视频大数据产业的关注。而这个论坛的召开,就是要为同仁们搭建平台,创造交流探讨的机会。”中国科学院院士、图像视频大数据产业技术创新战略联盟理事长谭铁牛在致辞中说。
大数据亟须转化为研究支撑
图像视频大数据是保障国家和公共安全的战略高技术、电子信息产业新的增长点,具有很大的发展潜力和广阔的应用前景。
专家介绍,预计到2017年,全球将有7万亿个传感器,届时如果按70亿人口的总量计算,人均将有1000个传感器。目前互联网图片的上传量每天多达数亿张。各种信息载体数据量的爆炸性突破造就了大数据的产生,人们的研究热情空前高涨。工信部发布的物联网发展规划明确提出要把图像视频智能分析以及海量数据存储、数据挖掘等作为关键技术创新工程。
“在全球图像视频数据爆炸式增长的今天,我国图像视频大数据产业迎来了重要的发展机遇,同时也面临重大挑战。”谭铁牛强调。
谭铁牛指出,经过多年发展,已经产生了海量的图像视频大数据。图像视频大数据是人工智能的突破口,是信息产业新的增长点。而能否把大数据优势转化为研究的支撑,不能光靠政府来解决。
据悉,图像视频大数据产业技术创新战略联盟希望团结、规范、引导我国图像视频大数据技术和产业的健康发展,以市场需求为导向充分发挥企业的主体作用,聚焦产业链创新,以技术项目研发为重点,健全组织机制,推进资源融合,建立利益共同体。
第2页:大数据产业应用蔚然成风
大数据产业应用蔚然成风
在该论坛上,百度研究院副院长余凯、北京航空航天大学教授李波分享了图像视频大数据产业的前沿科技和最新进展。论坛的两个讨论环节,则请到了14位企业、学术、投资等行业的专家学者,探讨图像视频大数据行业的商业模式、技术研发、产品设计、系统应用、标准测评的新方向、新动态、新挑战、新趋势。
论坛上,李波介绍,我们正处在“数字宇宙”中,2012年数据总量达2.84ZB,2014年数据总量达40ZB,他认为,数字应该为我们提供个性化、智能化的服务。
视频监控已经成为公安侦查的刚性需求,在传统线人、指纹、痕迹的基础上,视频监控成为公安第四大破案手段。视频监控破案占比已提高到25%~30%,并在不断提升。李波指出,99%的大案、要案的侦破需要视频监控信息。视频监控在公安侦查中价值重要,相关技术也在不断发展。
余凯以“从万物互联到万物智能”为题,介绍了百度在人工智能方面的发展成就。余凯称,人工智能不等于人工智慧,智能的本质是学习,是“感知—理解—决策”过程。5~10年后,所有设备都将成为智能设备(智能传感器、云端大脑、连接人与服务),都将成为机器人。
而数据银行的模式引起了与会者的高度关注。来自北京数据堂公司的代表介绍,该公司将各种大数据收集起来,就相当于成立了一个数据银行,对数据进行简单的“清洗”整理后,就可以向外提供数据出租等服务。
联盟引导产业健康发展
据介绍,我国图像视频大数据技术和产业发展正面临着诸多挑战,如政、产、学、研、用、资结合不紧密,企业和科研院所在国家层面的话语权较弱,自主创新较少,同质低价竞争普遍,国际化程度低,缺少权威平台以致市场无序竞争等。
为此,去年9月,图像视频大数据产业技术创新战略联盟在京成立。首批发起单位共29家,由百度、腾讯等19家企业,清华、北大等4所高校,以及中科院计算所、自动化所等6所研究院所组成。而今,“联盟在广大成员单位的支持和共同努力下,各项工作都在稳步向前推进,联盟的影响力也日益扩大。”谭铁牛说。
据介绍,联盟今后将致力于推动我国图像视频大数据产业技术创新、标准制定、测评认证、交流合作、宣传推广、人才培养,打造中国图像视频大数据领域政、产、学、研、用、资多赢的品牌产业平台。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18