1樓：
拋開工業應用不談，格靈深瞳的深度視覺相機（做安防監控貌似），face++和sensetime的人臉識別軟體，這些都是成功的CV產品啊~
2樓：
計算機視覺主要是工業應用，所以你不太知道，樓上的 @basicbeyond就說了不少。
個人用的話，最常見的，有電影特效，遊戲和全景攝影相片
3樓：basicbeyond
不太清楚你如何定義計算機視覺產品？工業相機算不算，這是計算機視覺的必備部件之一，最早的是模擬相機，現在發展到數字相機，USB2.0，IEEE，USB3.
0，CameraLink，GigE等介面工業數字相機，幀率從幾幀到上千幀的高速相機等等。演算法算不算，OpenCV，MatLab，Labview，HALCON，eVision，VisionPro等等。利用這些硬體和演算法搭建的視覺系統算不算，工業應用方面，印刷檢測，醫藥檢測，棉紡檢測，機械手應用等等，娛樂方便，高速攝影，電影特技等等。
哦哦，你用的iPhone，也是經過視覺檢測的產物。
現在投身於計算機視覺是否明智？
顯然明智啊，周圍還在搞cv的大佬們都賺得盆滿缽滿。說前景不好的，現在其他主流方向比如搜推廣也沒幾年前舒服吧。不過cv非常難，非常非常難，絕對不是fit資料集和灌幾篇水就OK的。之前大三大四的時候就相當堅定，智力不足資源不足不要搞cv，可惜後面讀研沒有選擇權。順帶提一句，現在這種落地難的情況完全就是業...
計算機視覺（CV）的演算法有哪些，具體都有哪些特點？
尋常巷陌 如果資料中雜訊比較強的話，深度殘差收縮網路比較適合。雜訊比較弱的話，應該也適用，因為閾值是根據資料自適應設定的。 脫離要解決的問題談演算法是沒有意義的！目前學界對CV基本任務的定義也是十分混亂和隨意的。本人嘗試對CV的基本問題做了個定義，CV要解決的是感知 目標 目標 和自身 在三維空間中...
現在做人工智慧（計算機視覺），有沒有哪些方向對GPU要求低的？
ZQ Zhao 你可以從資料集上下手，舉個例子，沒有硬體資源，這些慎重 實驗中要用imagenet的，比如模型剪枝，當然剪枝也有用小資料集的，那些可能理論要求比較高 目標檢測，目標檢測的資料集一般都很大，之前和師兄打比賽，四張Titan xp出一次結果得個四五天。你在看文章的時候可以關注下資料集的大...