2017年，人工智能计算机视觉所取得的新进展真是让人应接不暇。每个行业的人恐怕都能说上几句，这还要归功于今年的人工智能不再存在于概念上，而是在实际发展中取得了实质性的进步。
人脸识别
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
2017年9月12日苹果举行了新品发布会，十周年概念款手机iPhoneX终于和果粉们见面了，这款手机中用到的Face ID和动态人脸表情识别可谓是吸粉无数。Face ID是基于三维成像的图像识别技术，在前期录入人脸时需要上下左右环视一周完成脸部所有三维特征的提取，在人脸识别阶段可以应对各个角度的人脸识别。Face ID还可以被用来支付，同时，iPhoneX通过Face ID可以实现表情Animoji的实时显示功能。
Animoji可以模仿人的表情。用于Animoji的脸部追踪技术，将追踪到的用户面部表情动作放入各种动物形象表情中。当然面部表情的追踪需要精确定位人脸如眼睛、嘴巴等属性区域。
智能驾驶
Mobileye
2017年3月14日，英特尔同意斥资153亿美元收购自动驾驶汽车技术公司Mobileye，这也会让世界汽车制造商和供应商之间在自动驾驶技术领域的竞争愈演愈烈，并可能进一步推高已经过热的无人驾驶初创企业的估值。
在 ADAS 时代，Mobileye 选择单打独斗。在自动驾驶时代， Mobileye 并没有孤军作战，为了实现全自动驾驶这一目标，Mobileye 选择了一条联合的道路：携手更多合作伙伴开发更高级别的自动驾驶系统。
蔚来汽车
2017年12月16日，蔚来汽车的蔚来ES8上市，这款汽车拥有名为NIO Pilot自动辅助驾驶系统。这套系统内含有24项驾驶辅助科技量产车中最先进的自动辅助驾驶系统，NIO Pilot也正式发布。在感知系统方面， NIO Pilot拥有多达23个感知硬件，包括三个前向摄像头，4 个环视摄像头、5 个毫米波雷达、12 个超声波传感器，还有1个车内驾驶状态检测摄像头；ES8是全球首款装载Mobileye EyeQ4自动驾驶芯片的量产车型，该芯片计算能力较上一代提升8倍。ES8全系标配自动辅助驾驶硬件，用户可以通过订阅+远程升级的方式来使用NIO Pilot。
特斯拉
特斯拉第二代自动驾驶系统已经更新到所有带有HW2(Hardware 2，也就是第二代硬件)的车型上。HW2版本的硬件只有最新版的Model S和Model X才有。特斯拉在HW1的基础上，HW2加入了几项新功能，包括自动转向、召唤车辆功能、自动泊车和自动变道，其中某些功能在HW1上其实也有，不过为了保险起见，特斯拉方面还是在做了足够的测试后才在HW2上启用这些新功能。
唇语识别
Google DeepMind与牛津大学合作，他们发表论文讲述如何用电视数据集训练的模型的性能表现是如何超过BBC频道里的专业唇语读者。该数据集中有10万个带有音频和视频的句子。采用音频数据训练LSTM模型，视频数据训练CNN+LSTM模型。这两种状态下训练得到的模型向量都被馈送到最终的LSTM模型中去，从而产生最终的结果。有了这项技术，任何人的演讲都能被合成，在以后的视频中，“眼见为实”都不能用来评判真假演讲了。
在今年的乌镇世界互联网大会上，搜狗展出了一项黑科技——唇语识别，12月14号搜狗在北京又公开演示了这项技术。搜狗在非特定开放口语测试中，通用识别的准确率在60%以上，而在车载、智能家居等垂直场景下，已达到90%的准确率。
看图说话
计算机视觉的行程，最初是感知任务，例如图像分类等，能够达到给图像贴上标签的效果。要让计算机更加智能，就要过渡到认知来实现。认知不仅仅识别出图像，还要理解图片。
斯坦福大学人工智能实验室主任李飞飞与几位同事合作开发的Visual Genome数据集，为图片添加注释描述。图像认知，作者倾向于，对图像区域化分割，不同区域进行详细描述，对于 Visual Genome 数据集里的每一张图片，收集了图片中不同区域的 42 种描述，提供了更加密集和完全的图像描述。这样，一张图像上就会存在丰富的注释描述，机器也就具有看图说话的能力了。