研究观点

首页 > 其他 > 研究观点

计算机视觉和自然语言处理技术产业专利分析

发布时间:2020-12-15
浏览量:273

(来自专利分析普及推广项目2018研究成果)
刘钿 殷其亮 叶盛

人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的科学。人工智能作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎,重构生产、 分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业 态、新模式,引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。


一、计算机视觉和自然语言处理在人工智能产业链中具有重要地位

计算机视觉和自然语言处理处于人工智能产业链中的技术层,是人工智能走向应用场景的关键性产业,同时自然语言处理对语音识别产业的发展具有重要意义。


wps1.png

 


计算机视觉就是给计算机装上眼睛(照相机)和大脑(算 法),让计算机可以感知周围的环境 。

 

wps2.png

 

自然语言处理就是让计算机读懂人类深奥的语言。

wps3.png

 


二、关键技术——计算机视觉技术

    
(一)整体情况分析

经过考察研究,我们将计算机视觉分为基础技术(通用技术)和应用技术(专用技术)两个一级技术分支,以及两个基础二级技术分支,七个应用二级技术分支。



wps4.jpg

 

       申请态势如下:2012 年计算机视觉引入深度学习,激发全球的技术创新高潮。


 

wps5.jpg

 



       (二)基础技术分支

 

wps6.png

  

图像处理和图像识别为热点技术

 

wps7.png

 


中美在各个技术方向具备领先优势

(三)应用技术分支

 

wps8.png

 


计算机视觉技术广泛应用于各个领域,其中安防领域的专利申请占比最高,达到35.61%。


 

wps9.png

 

 

计算机视觉技术解决了传统安防的痛点,随着深度学习的应用,智能安防领域的全球专利申请量呈快速增长态势。


 

wps10.jpg

 

纵观整个智能安防领域,无论是核心算法层面还是硬件 设备层面,在 2017 年之前均采用前端采集后端处理的结构, 这样导致通信数据量过大,需要不断扩展带宽,成本高,从2017年开始,商汤、旷视、谷歌、海康威视、大华技术均开始研发适用于嵌入式芯片的神经网络模型,以及具备智能识别处理功能的前端产品,以实现前端采集和预处理,后端精处理的云边融合结构。


三、关键技术——自然语言处理


       (一)整体态势

根据前期调研,我们将自然语言处理技术分为基础技术(通用技术)和应用技术(专用技术)两个二级技术分支, 词法分析、句法分析等五个二级技术分支,以及分词等十三个三级技术分支。

 

wps11.jpg

 


 

wps12.jpg

 


 

经过长期积累,自然语言处理专利申请迎来快速增长。

 


wps13.jpg

 

从优势申请人看,由于技术的应用性很强,可以看到全球前十位的申请人均为公司,中国只有百度一家上榜。



 

wps14.png

 

 

与全球不同的是:国内专利总量9986件,国内排名前十的申请人中互联网企业和科研院所各占一半。


 

wps15.png

 

专利储备中国优势在应用技术,美国在基础技术。


 

wps16.png

 

 

针对中美和美国申请量排名前十的申请人进行分发现: 相比美国公司和科研院所,国内企业大多侧重应用技术布局 。


(二)基础技术

 

wps17.png

 

整体上,三个基础技术分支申请总量相当,其中,语义分析是全球近期申请热点。


 

wps18.png

 

 


与美国相比,中国在词性标注、命名实体、句子级语义领域实力有待加强。

 


wps19.png

 


统计发现,全球前十均为国外企业,国内仅百度位列第十四位。


 

wps20.png

 

 

国内百度排名第一,腾讯、阿里巴巴、科大讯飞进入全国前十,其它均为科研院所。



(三)应用技术

 

wps21.png

 


应用技术中,机器翻译起步早、成熟度最高,自动问答发展最迅速,两者申请占总量的60%。


 

wps22.png

 


 

从国别来看,中国专利储备总量第一,美国在机器翻译和自动问答具有优势。

 


wps23.png

 


从申请人角度看,国内企业百度进入全球前十,在信息抽取和自动问答具有实力。



(四)创新主体分析——百度

 

wps24.jpg

 


在基础技术领域,百度除了在分词领域具有一定优势外,在句法分析、语义分析和词性标注、命名实体识别领域相对于全球优势主体存在一定差距。

 


wps25.png

 



百度在机器翻译领域,支持语言不及微软,不到谷歌的1/3,同时,在准确度上相对于微软和谷歌存在一定差距。

 


wps26.jpg

 


从专利申请态势来看,微软和谷歌在机器翻译领域布局较早,创新延续性好,而百度是2010年才开始进入。

 


wps27.png

 

 

从技术链透视专利布局,可以发现微软侧重于算法模型、 语料挖掘等技术;谷歌侧重于算法模型、用户体验及场景化技术;百度起步较晚,在算法模型、用户体验和语料库方面差距明显。与此同时,三者都在多模态融合方面重视不够。




wps28.png

 


从专利发明人分析创新团队,可以发现微软的NLP团队 人员最多有近 600 人,谷歌其次,百度最少。通过统计三者排名前5%的人员工作年限可以发现,微软和谷歌的团队更成熟,百度的团队更年轻。

 


wps1.png

 


 三大公司都针对自动问答开发相应产品,并在技术上积极布局。

 


wps30.png

 

 



 IBM 的 Watson 系统特别注重通过综合系统、问句理解、 回复生成等方式专注于精度的提高,这是因为IBM 的系统主要用于商业用途,比如医疗领域,精度是第一要素。相比而言,除了精度以外,微软和百度公司还比较偏重于情感交互部分,这部分则主要体现为以回复生成为主要表现形式的技术方向,第一能够结合深度学习来更好回答用户提问,第二也能给用户更好的体验。




四、结语


1. 安防是计算机视觉最成熟的应用领域,计算机视觉 技术解决了传统安防的痛点,当前,智能安防领域的全球专 利申请量呈快速增长态势。中国具有全球领先优势,新创企 业凭借技术优势迅速切入市场,传统企业通过 AI研发与合作实现转型升级,共同推动产业链变革。


       2.全球自然语言处理近期增速迅猛,在专利布局方面, 美国注重基础技术、中国注重应用技术;国内企业和科研院所专利合作有待加强。百度是国内最有实力的自然语言处理AI企业,基础技术除了“分词”,其它领域专利储备有待加强,专利质量有待提升;应用技术中机器翻译海外布局不足,自动问答专利质量有待提升。




上一篇:已经没有了
下一篇:已经没有了