中國在計算機視覺監視研究中排名全球排名：CSET

安全與新興技術中心（CSET）的最新研究揭示了中國在與AI相關的監視技術研究中的重要領導。該報告的標題為“ AI研究的趨勢”，用於視覺監視人口**，研究了中國研究部門如何在AI監視的三個核心領域中如何產生不成比例的工作：人員重新識別（REID），人群計數和欺騙檢測。這些技術對於識別個人，監視人群和檢測試圖繞過識別系統的嘗試至關重要。

這項研究由Ashwin Acharya，Max Langenkamp和James Dunham進行了分析，分析了2015年至2019年之間發表的大量科學論文數據集。他們的發現表明，中國的研究人員不僅領導著這些特定的監視技術，而且還越來越多地為計算機視覺的廣泛領域貢獻了更廣泛的計算機視覺領域。

中國在研究計劃中明確的領導者是計算機視覺研究的更具爭議性的子部門，這主要與監視有關。資料來源： https ：//cset.georgetown.edu/wp-content/uploads/surveillance-in-the-the-cv-literature.pdf

中國專注於面向人類的計算機願景

該報告強調，中國研究的很大一部分側重於面向人體的計算機視覺任務，例如情感識別，面部識別和行動識別。這些技術雖然經常用於良性目的，例如社交媒體照片標記，但政府也可以採用更鎮壓的監視活動。

作者指出，儘管視覺監視研究佔研究期間所有計算機視覺研究的10％，但不可否認的是中國在計算機視覺和視覺監視研究中的主導地位。他們指出，**具有中國機構隸屬關係的研究人員在計算機視覺和視覺監視研究中造成了三分之一以上的出版物。這使中國成為迄今為止這兩個地區最多產的國家。中國研究人員在全球視覺監視研究中的份額正在以與計算機視覺研究相似的速度增長。 '**

局限性和更廣泛的背景

這項研究僅著眼於英語科學論文，作者承認限制了他們的發現。他們認為，包括非英語出版物，尤其是來自中國的出版物，可能會揭示更廣泛的研究工作。此外，結合專利數據，攝像頭部署和相關政府政策可以進一步說明中國在這些領域的領導。

作者使用了自然語言處理（NLP）技術，特別是Scirex模型，該模型對來自代碼的數據的數據培訓，分析了六個學術數據集的1億多個出版物。經過ARXIV預印本培訓的SCIBERT分類器幫助識別了該語料庫中的計算機視覺論文。但是，對英語文件的依賴意味著該研究可能低估了非英語研究成果，尤其是來自中國。

關鍵發現和含義

該報告發現，面部識別是視覺監視研究中最反复的任務，僅在2019年就出現在一千多篇論文中。人群計數和麵對面的識別也是迅速增長的領域。作者表示，即使看似中立的計算機視覺技術也可以為壓制系統做出貢獻。例如，行動識別可以檢測到公共場所中的“異常行為”，面部欺騙可以防止記者和激進主義者隱藏其身份，並且可以使用情感識別來識別擁擠地區的安全威脅。

從論文中，最經常經常出現的任務是在研究的幾年中個性化的。引用的來源是'CSET合併語料庫。結果於2021年7月22日產生

作者得出的結論是，隨著時間的流逝，中國在計算機視覺和視覺監視研究中的份額有所增加，而美國及其盟友保持了相似的產出水平。但是，來自其他地區的監視研究的全球份額保持穩定或下降，強調了中國在這一地區的統治地位。

這項全面的研究強調了監測AI和監視技術研究中全球趨勢的重要性，尤其是考慮到隱私和公民自由的潛在影響。

**首次出版於2022年1月6日。 **