无处不在,搜你所想

1956年：达特茅斯会议

是的你没看错！早在1956年，美国达特茅斯学院举办了一次名为“人工智能”的会议，而这次会议被为是人工智能领域的开端。

会议上，计算机科学家们讨论了如何让计算机模拟人类的思维过程，进而提出了“人工智能”这一概念，这也为机器视觉的发展奠定了最初的基础。

1973年：面向文本的图像处理系统推出

    1973年，美国邮政服务推出了一个自动化的邮件分拣系统，这是商业领域中首个大规模采用图像处理技术的案例。

1982年：第一个商用机器视觉系统推出

1982年，Cognex Corporation（康耐视）公司开发并推出了第一个商业化的机器视觉系统 DataMan。DataMan 是世界上第一个能够读取、验证和确认零件和组件上直接标记的字母、数字和符号的工业光学字符识别 (OCR) 系统。而康耐视的第一个客户是打字机制造商，他们购买该系统用于检测每个打字机上的按键以确保其处于正确位置。

1997年：Deep Blue击败国际象棋冠军

这场世纪大战相信很多80后都记得，虽然不是直接与机器视觉相关，但这标志着计算机在复杂任务中对人脑的超越，也催使机器智能与机器视觉进一步地结合。当然，这场比赛也使国际象棋大师加里·卡斯帕罗夫成为了世界上第一个工作受到机器威胁的知识型工人。

2012年：AlexNet在ImageNet竞赛中获胜

ImageNet计算机视觉挑战赛由来自全球顶尖高校和公司的研究员组织举办的，可以说是计算机视觉领域的标杆，其比赛结果能十分直观地反映出计算机视觉这一热门领域中各研究机构的研究进展和突破。

2012年的ImageNet竞赛中，Hinton和他的学生Alex Krizhevsky设计的卷积神经网络AlexNet一举夺得了冠军。

那么神经网络AlexNet到底是什么那？这么说你就懂了，它是深度学习图像分类的开山鼻祖。AlexNet的应用领域涵盖了计算机视觉、自然语言处理、语音识别等多个领域。在计算机视觉领域，AlexNet被广泛应用于图像分类、目标检测、人脸识别等任务。在自然语言处理领域，AlexNet被用于文本分类、情感分析等任务。在语音识别领域，AlexNet被用于语音识别、语音合成等任务。

AlexNet不仅在深度学习算法的发展上起到了重要的推动作用，在机器视觉领域更是产生了广泛的应用。

2018年：图像生成技术的突破

2018年起，由OpenAI发布的GAN（生成对抗网络）和其他图像生成技术的突破推动了计算机视觉的发展，使得图像生成和转换变得更为高级。

以生成对抗网络（GAN）为例。他能现存样本的基础上，使用模型来生成新案例，比如，基于现存的照片集生成一组与其相似却有细微差异的新照片。其生成的照片几乎和真实照片没有差别，比如你没去爬过珠峰，他甚至可以为你直接生成一张足以乱真的旅行照！当然帮你的照片增龄或减龄更是小菜一碟。

2020年：疫情中的机器视觉应用

在全球抗击COVID-19的过程中，机器视觉被广泛应用于体温检测、人脸识别和社交距离监测等方面。

在安防领域，机器人实时巡逻，减少巡逻人员长期暴露风险。测温机器人实现移动测温，为医疗和安保工作人员提供安全防护。机器人成为这场防疫大战中技术防疫的主角之一，越来越多的医疗机器人、服务机器人投入到疫情一线、隔离区及公共场所的疫情防控中。送餐机器人擎朗送餐机器人在此次战“疫”中已经持续抗疫20天，服务包括疫情重灾区湖北及广东、浙江、河南、湖南、江苏、四川、陕西、上海、北京、天津、重庆等全国10多个省市，涉及近50个医院和隔离点，负责配送餐食、生活用品、医疗用品等，避免交叉感染，减轻一线医护人员的重复机械工作。

2021年：无人驾驶汽车的发展

全球范围内的自动驾驶汽车试点项目和技术突破，包括特斯拉的Autopilot等，推动了无人驾驶技术的发展。