
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01