2017年视觉大数据分析报告
视频流 列表
Extractor
Decoder
跟踪计数 （时间窗）
输出
……
Extractor Decoder 检测/ 分析 …… 检测/分析 跟踪计数 （时间窗）
StreamCompute
从禁左到左转决策
左转时长决策
禁左：不要左转
左转决策：增加左转时间
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• 应用场景示例
– – –
视频打标自动化：取代人工，由机器自动生成事件发生的时间点以及事件类别
集锦生成自动化：根据事件打标信息自动生成比赛集锦、球员集锦 ……
• 挑战
– – 细致体育动作识别
•
在单相机以及大量球员遮挡的情况下，识别发生的动作；比如在有遮挡下的上篮成功、扣篮失败、罚篮成功等
事件起止时间点的定位
• 在较长视频流中精准定位每一个事件发生的起止时间点；目前在工业界学术界，这一技术还未做到成功
两分成功
三分成功
扣篮成功
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
城市之眼 数字记忆
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
阿里云眼
识别
搜索
处理
编辑
合成
分享
应用层
广告
设计
浏览
管理
数+ PAI
挖掘
Batch Compute Light Compute ECS OSS
媒体库/索引 /模型
RDS Search Engine Stream Compute
— 从实验室到真实世界
2017年视觉大数据分析报告
目录
• 引言
• 视觉大数据技术和应用方向 • 应用实例 • “阿里云眼”的系统架构 • 结语
视觉 AI – 个体智能
云
端
视觉 AI – 个体智能
视觉信号
分析处理
结果
视觉 AI – 整体智能
云
端
视觉 AI – 整体智能
视觉 大数据
视觉信号
商品搜索 体育视频 故障检测 医疗图像 视频广告
深度学习
点击
手机淘宝 拍立淘
点击 Tap
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
城市之眼 数字记忆
商品搜索 体育视频 故障检测 医疗图像 视频广告
体育视频分析
商品搜索 体育视频 故障检测 医疗图像 视频广告
智能视觉自动诊断
诊断机器
诊断生物
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
城市之眼 数字记忆
商品搜索 体育视频 故障检测 医疗图像 视频广告
视频广告 – 挖掘视频的价值
城市之眼 数字记忆
商品搜索 体育视频 故障检测 医疗图像 视频广告
大规模离线视觉分析
视频数据 离线 分布式处理 结果
大规模在线视觉分析
视频数据/ 视频流
视频源
流式计算
近实时结果
Extractor
Decoder
检测/ 分析 …… 检测/分析 检测/ 分析 …… 检测/分析
跟踪计数 （时间窗） 邻域/整体 分析计算 （时间窗 + 空间窗）
生日Party
马云
数字记忆：图像搜索
• 多种不同查询方式
– – – 文字 图像 属性（颜色、纹理、类型等）
数字记忆：图像风格化
数字以及：图像风格化
图像风格化
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
城市之眼 数字记忆
• • • • • • •
城市之眼 数字记忆
商品搜索 体育视频 故障检测 医疗图像 视频广告
数字记忆：“ 激活”个人图像视频的价值
浏览
识别
搜索
处理
编辑
分享
变现
最大的大数据
数字记忆：识别模型库的批量构建
图像视频标注示例
海滩
雪地
沙漠
山
瀑布
埃菲尔铁塔
游泳池
阿里西溪园区
故宫
西伯利亚Husky
倒挂金钟
麻婆豆腐
分析处理
分析处理 挖掘
结果
结果
云上视觉智能五要素
算法
平台
数据
用户
商业
目录
• 引言 • 视觉大数据技术和应用方向 • 应用实例 • “阿里云眼”的系统架构 • 结语
• • 技术方向 应用方向
技术方向
应用方向
阿里云眼
（智能视觉云 / ET之眼）
阿里云大数据平台上的智能视觉计算中心
承载云上广泛、深入的视频图像分析、识别、搜索、生成和挖掘服务
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
城市之眼 数字记忆
商品搜索 体育视频 故障检测 医疗图像 视频广告
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
• • • • • • •
视觉分析（识别、检测、特征等） 视觉数据和视觉关联的数据
Max Compute
目录
• 引言
• 视觉大数据技术和应用方向 • 技术和应用实例 • “阿里云眼”的系统架构 • 结语
商业
2017年计算机视觉行业市场调研分析报告
2017年计算机视觉行业市场调研分析报告目录第一节计算机视觉的诞生、发展与繁荣 (5)一、计算机“睁眼看世界” (5)二、计算机视觉的前世今生 (6)三、多因素共振，引爆计算机视觉市场 (11)第二节云和端再平衡，计算机视觉加速普及 (15)一、计算机视觉终端化促进实时监控 (15)二、计算机视觉结构化数据加速智能大数据分析 (19)三、计算机视觉为空间识别提供关键技术 (21)四、计算机视觉API普及生物特征识别服务 (22)第三节计算机视觉引爆人工智能应用场景 (26)一、智能驾驶生态逐渐成型 (26)二、智能安防带来无忧用户体验 (28)三、视觉技术活体检测实现安全加密 (28)四、智慧医疗大幅提升诊断效率 (30)五、增强现实扩展用户交互维度 (31)图表目录图表1：人类视觉系统与计算机视觉系统对比 (5)图表2：计算机视觉应用层次结构 (5)图表3：人工智能之父——马文•明斯基 (6)图表4：卷积神经网络典型结构 (8)图表5：特征提取与图像搜索系统 (8)图表6：历年ImageNet识别正确率 (9)图表7：机器学习/深度学习发展简史 (10)图表8：深度学习技术发展 (11)图表9：大数据存储量规模走势 (11)图表10：截至2015年人工智能创业公司数量（家） (13)图表11：截至2015年全球人工智能创业公司融资（百万美元） (13)图表12：全球计算机视觉市场规模. (14)图表13：中国视频监控市场规模 (14)图表14：结构化数据与非结构化数据 (15)图表15：通过图像分割提取图片特征 (15)图表16：海康威视智能交通摄像机 (16)图表17：iDS-2CD9365-SZ部分参数 (17)图表18：比亚迪疲劳驾驶预警系统摄像机 (18)图表19：比亚迪疲劳驾驶预警系统ECU (19)图表20：大华监控平台一体机服务后台数据处理 (20)图表21：大华智能公安管理平台 (20)图表22：新一代金融集中监控一体化平台 (20)图表23：FaceID技术特性 (23)图表24：HMI汽车互联网解决方案 (27)图表25：Road Hackers平台 (27)图表26：Biomio认证平台 (29)图表27：Biomio所提供的解决方案 (29)图表28：医疗成像 (30)图表29：2025年VR/AR软件规模及细分结构（10亿美元） (31)图表30：增强现实技术流程 (32)图表31：HoloLens计算机视觉硬件 (32)图表32：光学透视式现实增强系统 (33)图表33：HoloLens部分应用场景 (33)表格目录表格1：计算视觉理论三阶段 (7)表格2：深度学习主要模型 (10)表格3：近年成立的部分主要计算机视觉企业 (11)表格4：计算机视觉相关政策 (12)表格5：主流疲劳驾驶监测方式 (18)表格6：大华股份平台产品 (19)表格7：智能机器人关键技术 (21)表格8：阅面科技空间识别技术主要功能 (22)表格9：FaceID合作企业及业务 (23)表格10：商汤科技B轮融资 (24)表格11：人脸识别部分细分领域领先企业 (24)表格12：商汤科技人脸识别服务 (25)表格13：商汤科技合作企业及业务 (25)表格14：百度阿波罗计划 (26)表格15：自动驾驶技术排名 (27)第一节计算机视觉的诞生、发展与繁荣一、计算机“睁眼看世界”计算机视觉（Computer Vision, CV）是一门研究如何让计算机实现人类视觉系统功能的学科。
2017年3D成像行业市场调研分析报告
2017年3D成像行业市场调研分析报告目录前言 (5)第一节 3D成像：维度提升带来交互革命及应用创新 (6)一、维度提升令成像进行下一世代 (6)1、过去摄像头只在平面成像效果方面做提升 (6)2、维度提升将使成像技术进入下一世代 (8)二、3D成像带来设备外观、交互方式、行业应用大幅创新 (9)1、3D成像技术带来设备外观创新 (9)2、交互维度提升带来全新行业应用 (12)第二节行业拐点来临，结构光技术将成主流 (16)一、行业巨头布局多年，2017年苹果引领带来行业拐点 (16)1、微软：Kinect火爆一时，体感交互带来全新游戏体验 (16)2、苹果：收购不断，2017年有望应用于iPhone (17)二、前置3D成像将以结构光为主流，ToF有望后期用于后置 (18)1、结构光、ToF、双目立体视觉为主要3D成像技术 (18)（1）结构光 (18)（2）ToF（飞行时间法） (19)（3）双目立体视觉 (20)2、结构光适用于近距离场景，将成前置3D成像主流 (21)第三节四大部件组成结构光，难度各异 (23)一、IR发射模组：核心部件高壁垒，影响成像效果 (24)1、不可见红外光发射源：将以VCSEL为主流 (24)2、准直镜头：预计将以WLO工艺为主 (25)3、光学衍射元件（DOE） (26)二、IR接收模组：窄带滤光片为国内厂商主要机会 (28)1、特制红外CMOS (28)2、窄带滤光片 (28)3、接收端镜头（Lens） (29)三、镜头成像端：产业链成熟，非增量业务 (29)四、3D图像处理芯片：难度高，突破难 (30)第四节未来3年CAGR 173%，关注新增部件投资机会 (32)一、产业链梳理：外资为主，国内厂商有所卡位 (32)二、2017年为3D成像元年，未来3年CAGR高达173% (32)第五节行业投资建议 (35)图表1：第一台摄像手机夏普J-SH04（2000年） (6)图表2：最新iPhone双摄（2016） (6)图表3：背景虚化只能模拟深度信息 (8)图表4：3D成像能获取真实深度信息 (8)图表5：3D成像人脸识别 (9)图表6：虹膜识别 (10)图表7：前置指纹识别阻碍屏占比的进一步提升 (11)图表8：屏占比提升带来的惊艳效果 (11)图表9：目前主流交互方式为二维触控交互 (12)图表10：3D成像助力下体感交互有望快速发展 (12)图表11：AR呈现3维的输出需匹配3维的输入 (13)图表12：3D成像带来全新购物体验 (14)图表13：3D成像应用于汽车ADAS (14)图表14：3D成像行业类应用 (15)图表15：玩家利用Kinect进行游戏 (16)图表16：Kinect设备创下吉尼斯世界纪录 (16)图表17：主流3D成像技术 (18)图表18：规则光栅的结构光 (19)图表19：PrimeSense结构光 (19)图表20：ToF成像原理 (20)图表21：双目立体视觉技术 (20)图表22：结构光方案由4部分构成 (23)图表23：PrimeSense结构光方案示意图 (23)图表24：VCSEL主要由激光工作物质、崩浦源和光学谐振腔3大部分构成 (24)图表25：传统镜头VS WLO（晶圆级镜头） (26)图表26：PrimeSense光学衍射元示意图 (27)图表27：PrimeSense激光散斑示意图 (27)图表28：窄带滤光片让特定波长的光线通过 (28)图表29：常见手机摄像头 (29)图表30：镜头成像端结构 (30)图表31：图像处理芯片工作原理 (31)图表32：水晶光电有望拿到窄带滤波片份额 (35)图表33：水晶光电有望负责WLO玻璃晶圆镀膜 (35)表格1：iPhone摄像头成像能力不断上升，但仅限于平面 (7)表格2：苹果收购多家3D成像相关标的 (17)表格3：双目立体视觉、结构光和ToF三种成像技术对比 (21)表格4：厂商对3D成像方案的选择 (22)表格5：VCSEL对比LED，性能领先 (25)表格6：WLC VS 传统摄像头模组 (26)表格7：结构光产业链梳理：外资为主，国内厂商有所卡位 (32)表格8：结构光各部件价格及A股受益标的 (33)表格9：手机3D成像市场规模测算 (33)表格10：消费电子3D成像市场规模测算 (34)表格11：欧菲光逐步成为摄像头模组龙头，并切入3D成像模组市场 (36)前言苹果近2年在iPhone创新上乏善可陈，硬件创新遇到瓶颈。
2017年计算机视觉行业分析报告
2017年计算机视觉行业分析报告2017年3月目录一、计算机视觉：未来之眼，人工智能的前哨 (5)1、计算机视觉：人类的另一双“慧眼” (5)2、巨头入主视觉领域，人工智能成行业新引擎 (6)（1）国外互联网巨头开启并购狂潮-苹果看“脸”VS 谷歌注重运用 (7)（2）国内计算机视觉最看“脸”，投融资如火如荼 (8)3、欧美领跑产业趋势，市场空间巨大 (9)（1）工业自动化需求驱动产业成长 (9)（2）国内需求强劲，未来有望引领产业发展 (10)二、生产需求和技术进步驱动计算机视觉行业发展 (12)1、硬件是基础，算法是核心 (12)2、计算机技术升级+巨头布局+产业政策“三驾马车”促进产业成长 (14)（1）图像处理与深度学习技术为行业内生驱动 (14)（2）“机器换人”带来“视觉”设备广泛应用 (15)（3）政策为产业发展保驾护航 (16)3、性能优越，应用领域广泛 (17)（1）比人类更敬业的“眼睛” (17)（2）应用广泛，大有作为 (18)4、多维场景、嵌入式、一体化成为计算机视觉技术趋势 (18)（1）从二维场景重建迈向三维乃至通用视觉信息系统的构建 (18)（2）基于嵌入式的产品将取代板卡式产品 (18)（3）标准化、一体化解决方案也将是计算机视觉的必经之路 (19)三、应用领域广泛，计算机视觉前景看好 (19)1、智能制造领域迅速扩展，半导体与电子制造占据半壁江山 (20)（1）半导体电子制造 (20)（2）汽车制造：计算机视觉为汽车制造严格把关 (24)（3）生物医疗：计算机视觉为医疗影像、药品质控装上神秘的眼睛 (25)2、消费应用领域快速扩展，打开未来想象空间 (26)（1）服务机器人：取代重复劳作，实现场景交互 (26)（2）无人驾驶：计算机视觉是无人驾驶汽车皇冠上的明珠 (27)（3）物流：OCR是智能物流的技术核心 (28)（4）安防监控：计算机视觉透视公共场所，助力智能安防 (29)四、国外巨头积极布局产业链上游，国内企业着力开拓中下游，以To B模式为主 (31)1、计算机视觉产业链分析 (32)（1）产业链上游分析：芯片制造、算法开发是核心 (32)（2）产业链中游分析：四大技术用途广泛 (33)（3）产业链下游分析：稳定的市场需求开启应用领域扩展 (34)2、计算机视觉产业的商业模式 (36)（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口 (36)（2）软硬件一体化：生态构建者---“全产业链生态+场景应用”作为突破口 (37)3、我国计算机视觉产业发展状况 (38)（1）2020 年中国计算机视觉市场规模预计54.7 亿元 (39)（2）从事工业系统集成与人类识别居多，未来将转向智能化应用 (40)五、相关企业：智能制造领域与消费&智能化场景应用领域 (41)计算机视觉赋予机器感知的功能，是人工智能技术的基础。
2017年中国机器视觉行业市场分析报告
2017年中国机器视觉行业市场分析报告目录第一节机器视觉：机器从此有了眼睛和大脑 (6)一、让机器火眼金睛的机器视觉 (6)二、察人眼力所不及，行人力之不可为——机器视觉优势众多 (7)三、机器视觉应用广泛，新的应用行业不断拓展 (8)3.1. 机器视觉能更好实现检测、测量、识别和定位功能 (8)3.2. 机器视觉市场可划分为工业和非工业应用领域 (10)3.3. 机器视觉在工业领域的应用最为广泛 (11)3.4. 电子制造行业占市场近半壁江山，其他行业渗透率也在不断提高 12第二节机器视觉由软硬件组成，核心是算法软件 (16)第三节机器视觉在国际：已较为成熟，美日处于领先地位 (18)一、机器视觉发展历程 (18)二、全球机器视觉进入稳定增长期，北美占全球市场份额的半壁江山 (19)三、美国康耐视的启示 (21)第四节机器视觉在中国:市场渗透率较低，进入加速增长期 (24)一、机器视觉在国内起步较晚，渗透率还处在较低水平 (24)二、中国的机器视觉行业迎来了“黄金发展期” (26)三、系统集成及设备是国内企业最有优势的环节 (27)四、非标领域带来机器视觉的发展机会 (29)4.1. 一些非标领域机器视觉优势明显，具备发展应用空间 (29)4.2. 三维乃至多维机器视觉存在巨大想象空间 (30)第五节重点公司分析 (31)一、超音速：以机器视觉系统和机器人为核心的工业自动化企业 (31)二、天准科技：持续扩张产业链价值的视觉测量行业领先者 (37)三、大树智能：烟草产品在线检测龙头 (46)图表目录图表1：机器视觉内涵 (6)图表2：机器视觉原理图 (6)图表3：机器视觉应用之“测量” (8)图表4：机器视觉应用之“检测” (9)图表5：机器视觉应用之“机器人视觉引导” (9)图表6：机器视觉应用之“识别” (10)图表7：机器视觉在制造业的应用 (11)图表8：工业机器视觉的工作环境 (12)图表9：电子制造业之“电容器检测” (12)图表10：电子制造业之“IC 尺寸测量” (13)图表11：汽车制造之“汽车离合器从动盘装配检测” (13)图表12：汽车制造之“底盘/轮胎检验” (14)图表13：医药行业之“注射器针头检测” (15)图表14：医药行业之“生物样本读码追踪” (15)图表15：机器视觉在食品安全监测领域的应用 (16)图表16：机器视觉基本组成 (16)图表17：机器视觉的上下游产业链 (17)图表18：机器视觉发展历程概括 (19)图表19：机器视觉全球市场规模稳定增长 (19)图表20：2001-2013 年美国机器视觉市场规模变化及预测 (19)图表21：2014 年全球机器视觉市场地区分布 (20)图表22：康耐视发展历程 (21)图表23：康耐视营业收入快速增长 (23)图表24：康耐视归母净利润快速增长 (23)图表25：我国机器视觉发展历程 (24)图表26：我国机器视觉正处于高速成长期. (24)图表27：中国机器视觉企业数量还不多 (25)图表28：我国不同年龄人群占比走势图 (26)图表29：劳动力报酬与GDP 增速对比 (26)图表30：农村居民的人均年工资性收入 (27)图表31：机器视觉成本构成 (29)图表32：大疆精灵 4 无人机首次引入机器视觉 (30)图表33：机器视觉给服务机器人安上眼睛 (31)图表34：公司业务演变过程 (32)图表35：超音速持续加大研发投入 (33)图表36：超音速研发费用收入占比 (33)图表37：超音速-机器视觉检测自动化系统 (34)图表38：超音速-精密组装自动化设备 (34)图表39：超音速近三年营业收入 (34)图表40：超音速营业收入结构 (35)图表41：向标准化产品倾斜的战略调整有利于超音速长期发展 (36)图表42：天准科技产品在智能制造中的应用 (37)图表43：天准科技“智能制造设备”之“影像测量仪”系列产品 (38)图表44：天准科技“智能制造设备”之“三坐标测量机”系列产品 (38)图表45：天准科技“智能制造系统”之“测量自动化”系列产品 (39)图表46：天准科技“智能制造系统”之“检测自动化”系列产品 (40)图表47：天准科技“智能制造系统”之检测自动化系列产品 (40)图表48：天准科技收入结构 (41)图表49：天准科技人员学历组成 (42)图表50：天准科技人员构成 (43)图表51：天准科技持续加大研发投入 (43)图表52：天准科技近三年营业收入 (44)图表53：天准科技近三年归母净利 (44)图表54：天准科技现金流及盈利能力 (45)图表55：天准科技毛利率和净利率 (45)图表56：大树智能卷烟工业自动化产品 (46)图表57：大树智能复烤工业自动化产品 (47)图表58：烟草机械行业进入壁垒 (49)图表59：大树智能营业收入创新高 (50)图表60：大树智能归母净利润创新高 (50)图表61：大树智能历年现金流量情况和盈利能力 (51)图表62：大树智能毛利率和净利率呈提升趋势 (51)图表63：大树智能收入结构（单位：万元） (52)图表64：大树智能在制药领域研发的“制药包装颗粒缺损检测装臵” (52)表格目录表格1：与人类视觉相比，机器视觉优势明显 (7)表格2：机器视觉性能优势原理 (8)表格3：机器视觉的应用领域 (8)表格4：机器视觉的组成 (17)表格5：我国机器视觉市场上的三类力量 (28)表格6：国内机器视觉产业链上公司类型分布 (28)表格7：超音速标准化产品研发推广进度 (36)表格8：天准科技智能制造设备 (38)表格9：天准科技智能制造系统 (39)表格10：机器视觉在烟草行业主要应用范围 (49)第一节机器视觉：机器从此有了眼睛和大脑一、让机器火眼金睛的机器视觉机器视觉是通过计算机来模拟人类视觉功能，以让机器获得相关视觉信息和加以理解。
2017年我国人工智能行业市场综合发展态势图文深度分析报告
2017年我国人工智能行业市场综合发展态势图文深度分析报告
（2017.5.19）
人工智能首次进入“十三五”规划，2018年目标形成千亿级规模市场。
自2016年起，人工智能领域建设已上升至国家战略层面，相关政策进入全面爆发期。
2016年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年国内要形成千亿元级的人工智能市场应用规模。
未来几年内，人工智能产业有望持续获得国家大力支持，预计更多细化政策将陆续出台，加速人工智能需求落地。
人工智能上升国家战略地位，政策支持力度逐步加大
从布局方向上看，巨头底层发力革新技术，创企顶层切入拓宽应用。
以BAT为代表的互联网巨头由于资金实力和整合能力较强，因此对于人工智能领域偏向于从底层基础技术层进行布局，研究算法、研发芯片等以此为触角向AI其他环节延伸。
同时还有上市公司中如科大讯飞、远方光电和川大智胜等实力较强的公司则通过语音和图像技术开放平台和应用切入人工智能等。
对于初创企业来说，则倾向于从应用层入手，直接开发相关人工智能应用产品或者服务，如智能家居、车载智能、安防中身份识别和验证、语音翻译等，呈现出一片百花齐放的局面。
资本市场敏锐地捕捉到人工智能的商业化前景，我国人工智能领域投融资热度快速升温。
自2012-2015年开始，我国人工智能行业的投融资金额、次数及参与机构数量等均迅速增长，年增长率均超过。
2017年短视频行业大数据洞察报告
随着生活节奏的加快，信息获取的 碎片化时代到来。短视频短小精悍， 不受空间与时间的限制，很好的满 足了用户利用碎片化时间的需求。
驱动因素：平台推动 各种平台类型定位逐渐清晰，短视频平台定位出现分化
PUGC+分发型
UGC+分发
土豆 西瓜 美拍
侧重中心化分发
gif快手
火山
侧重生活分享类
UGC+社交型
垂直类UGC+社交型
CONTENTS
01 中国短视频行业概况
PART ONE
02 短视频行业发展趋势
PART TWO
03 短视频行业用户洞察
PART THREE
04 未来趋势展望
PART FOUR
01
PART ONE
中国短视频 行业概况
全民逐渐进入移动视频时代
• 截至2017年6月，中国网络视频用户规模达5.65亿人。在整体网民中渗透率不断提升；
酷、土豆、UC、UC头条、淘宝、神马搜索、豌 豆荚、天猫、支付宝等 • 2017年3月31日土豆宣布全面转型为短视频平台
西瓜视频
• 今日头条旗下“头条视频”全新升级为“西 瓜视频”
• 未来将会在短视频领域补贴10亿元
美拍
• 与微博达成战略合作,共同扶持美拍达人 • 计划在17年内拿出3000万元聘请名人制作短视
秒拍
陌陌
侧重社交属性
抖音
Muse
垂直类细分(音乐)
各平台不断升级调整，扶持力度加大，竞争持续升级
• 各大平台纷纷发布扶持计划, 投入大量资金和资源为短视频内容创作者在多个环节提供全方位支持,为短视频生态 构建带来推动力量, 竞争持续升级.
大鱼号
• 大鱼计划投入20亿资金支持创作者 • 推出的“大鱼号”能分批次接入阿里体系中的优
2017年视光服务行业分析报告
(此文档为word格式，可任意修改编辑！）正文目录视光服务，不一样的眼科保健 (4)区别验光，视光服务的不同之处 (4)参考美国，看视光服务发展前提 (8)重新认识，产业仍处于发展初期 (11)主要公司分析 (14)欧普康视 (14)博士眼镜 (16)图目录图1：现代眼视光学的发展阶段 (5)图2：视光师的工作范围 (6)图3：验光师的工作范围 (6)图4：视觉训练产品之字母表 (7)图5：视觉训练产品之聚散球 (7)图6：儿童候诊室充分体现了对患者的关怀 (9)图7：整洁、舒适的眼镜商品销售区 (10)图8：通过镜面反射使用的视力表 (10)图9：常用的检查、训练小器械 (11)图10：爱尔眼科——爱尔视光 (12)图11：好视力——视光中心 (13)图12：爱尔眼科医院视光服务收入占比逐渐扩大 (14)图13：视光服务收入增长迅速 (14)图14：陶博士视光中心——内景1 (15)图15：陶博士视光中心——内景2 (15)表目录表1：眼视光服务各发展阶段的特征 (5)表2：陶博士眼科诊所——角膜塑形镜验配前的常规检查 (16)视光服务，不一样的眼科保健在我们关注眼视光服务在国内发展的前景时，不得不关注到目前在国内一般的综合性医院中，眼科的床位或者收人比例往往只能占据3到5 % 的比重，而对比在美国，每年有上千亿美元的开支用在与视觉有关的医疗保健项目中。
差异背后的原因在于一般医院的眼科关注的往往是以感染、炎症、外伤、器质性病变等意义上的眼病，而忽略了眼睛常规保健、视功能问题和屈光等多方面的问题。
与此同时，以提供产品为主、非专业服务的线下眼镜零售店部分承担了上述相关问题，整体上供给结构的失衡使得国人的视力健康需求远远未得到满足，这也是本篇探讨视光中心存在意义的前提。
区别验光，视光服务的不同之处视光学其定义为对视觉功能的保护和矫正。
迄今为止，视光学已经过了几百年的探索研究。
1619年，ChristophSceheiner证明物体在视网膜上形成倒像，为物理光学向眼的生理光学发展迈进了一步。
2017中国大数据发展报告
2017中国大数据发展报告近期，国家信息中心、南海大数据应用研究院联合发布了《2017中国大数据发展报告》。
该报告基于国家发改委互联网大数据分析中心、国家信息中心“一带一路”大数据中心所掌握的30多个种类，总计40多亿条数据，对我国大数据产业发展的人才、政策、投融资、产业发展等多个维度进行全面分析，是业界首部完全基于大数据方法对大数据发展现状进行研究的报告。
产业与投资成地方省市大数据发展短板该报告首次引入大数据发展指数，从政策环境、人才状况、投资热度、创新创业、产业发展和网民信心六个维度对国内31个省(自治区、直辖市)大数据发展水平进行量化评估。
评估结果显示，2016年中国大数据发展指数平均仅为47.15，总体仍处于起步阶段。
北京、广东、上海大数据发展位居前三，其次是东部沿海省份江苏、浙江和山东，贵州、重庆和四川因为政策引领而异军突起，进入了前十。
从衡量指标来看，投资热度低和产业发展不足则是当前地方大数据发展的突出短板。
大数据管理机制初步形成如果说2015年是大数据政策顶层设计年，那么2016年是大数据政策细化落地年，国家发改委、环保部、工信部、国家林业局、农业部等均推出大数据发展意见和方案。
大数据政策从全面、总体规划逐渐向各大行业，各细分领域延伸。
本报告分析了最受民众关注的十大政策。
其中，《大数据产业发展规划(2016-2020)》影响力最为广泛，关注度高达92.11。
2016年，贵州、浙江、广东等一些地方省市也纷纷出台大数据政策举措，促进当地大数据产业发展，例如，贵州省通过我国首部大数据地方法规《贵州省大数据发展应用促进条例》。
但有意思的是，数据显示，网民认为北京、上海等地大数据发展政策差强人意。
以《北京市大数据和云计算发展行动计划(2016-2020)》为例，网民指出该文件中明确了各项任务的责任单位，几乎囊括所有北京市直机关和各区政府，虽然责任明确，但却可能进一步加剧“条块分割”和“碎片化治理”问题，使得“数据孤岛”问题进一步凸显，违背大数据治理初衷。
2018清美考研-2017年清华大学美术学院考研录取数据分析报告
134
126 130
374
369 365
88
89 81
85
79 83
82
81 78
梅勇强 全日制艺硕 王浩 全日制艺硕
平均分 2016年平均分
61 65
72 121 129 383 86 63 130 126 383
84
82
科普创意与设计录取考生成绩汇总
序号 1 2 3 4 5 6 7 8 9 10 11 12 姓名 报考专业方向 政治 66 57 56 58 63 63 56 60 53 46 67 55 英语 81 78 66 75 79 67 62 48 48 54 74 74 专业1 90 96 99 88 88 97 83 94 101 90 88 103 专业2 127 131 134 131 119 117 129 128 125 129 126 120 总分 364 362 355 352 349 344 330 330 327 319 355 352 李亚婷 科普－形像识别与信息传达设计 鲁晓薇 科普－形像识别与信息传达设计 张晓航 科普－形像识别与信息传达设计 刘思佟 科普－形像识别与信息传达设计 陈梦柔 科普－形像识别与信息传达设计 祖赫 王茜 科普－形像识别与信息传达设计 科普－形像识别与信息传达设计 复试 笔试 89 84 90 83 84 80 88 84 80 91 89 85 复试 面试 91 85 88 83 87 81 81 83 81 84 86 85 总成绩 83 80 82 78 79 76 78 77 74 79 81 79
为什么考研？
• 继续深造的机会 • 缓解就业压力，获得更好的就业机会、薪酬待遇 与职业发展前景 • 重新选择专业，追逐自己的兴趣， • 达到更高的专业高度 • 改变命运 • 为进入社会过渡 • 构造更高层次的人脉，为未来的发展铺路
大数据分析综合实践报告(3篇)
第1篇一、前言随着信息技术的飞速发展，大数据时代已经到来。
大数据作为一种新型资源，蕴含着巨大的价值。
为了更好地理解和应用大数据技术，提升数据分析能力，我们团队开展了本次大数据分析综合实践。
本报告将对实践过程、实践成果以及实践体会进行详细阐述。
二、实践背景与目标1. 实践背景随着互联网、物联网、云计算等技术的普及，人类社会产生了海量数据。
这些数据不仅包括传统的文本、图像、音频、视频等，还包括社交媒体、传感器、电子商务等新型数据。
如何从这些海量数据中提取有价值的信息，成为当前数据科学领域的重要课题。
2. 实践目标（1）掌握大数据分析的基本方法和技术；（2）运用所学知识对实际数据进行处理和分析；（3）提高团队协作能力和解决问题的能力；（4）培养创新意识和实践能力。
三、实践内容与方法1. 数据采集与预处理（1）数据采集：根据实践需求，我们从互联网上获取了相关数据集，包括电商数据、社交媒体数据、气象数据等；（2）数据预处理：对采集到的数据进行清洗、去重、格式转换等操作，确保数据质量。
2. 数据分析与挖掘（1）数据可视化：利用Python、R等编程语言，对数据进行可视化展示，直观地了解数据特征；（2）统计分析：运用统计方法对数据进行描述性分析，挖掘数据背后的规律；（3）机器学习：运用机器学习方法对数据进行分类、聚类、预测等分析，挖掘数据中的潜在价值。
3. 实践工具与平台（1）编程语言：Python、R；（2）数据库：MySQL、MongoDB；（3）数据分析工具：Jupyter Notebook、RStudio；（4）云计算平台：阿里云、腾讯云。
四、实践成果1. 数据可视化分析通过对电商数据的可视化分析，我们发现了以下规律：（1）消费者购买行为与时间、地区、产品类别等因素密切相关；（2）节假日、促销活动期间，消费者购买意愿明显增强；（3）不同年龄段消费者偏好不同，年轻消费者更倾向于追求时尚、个性化的产品。
2. 社交媒体情感分析利用社交媒体数据，我们对用户评论进行情感分析，发现以下结果：（1）消费者对产品的满意度较高，好评率较高；（2）消费者关注的产品功能主要集中在质量、价格、服务等方面；（3）针对消费者提出的问题，企业应加强售后服务，提高客户满意度。