| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究对象和目的 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 理论基础 | 第14-17页 |
| 1.4.1 专利 | 第15页 |
| 1.4.2 专利文献 | 第15-16页 |
| 1.4.3 专利信息计量 | 第16页 |
| 1.4.4 专利引文分析 | 第16-17页 |
| 1.4.5 专利发展策略及布局 | 第17页 |
| 1.5 创新与不足 | 第17-18页 |
| 第二章 人工智能领域图像识别技术发展概况 | 第18-21页 |
| 2.1 图像识别技术的基本原理 | 第18-19页 |
| 2.2 图像识别技术的发展历史 | 第19页 |
| 2.3 全球图像识别技术发展现状及未来趋势 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 全球人工智能领域图像识别技术专利分析 | 第21-47页 |
| 3.1 图像识别专利文献检索策略 | 第21-23页 |
| 3.1.1 数据来源 | 第21页 |
| 3.1.2 检索策略 | 第21-22页 |
| 3.1.3 相关事项 | 第22-23页 |
| 3.2 图像识别技术的专利分析 | 第23-34页 |
| 3.2.1 图像识别专利的时间趋势 | 第23-24页 |
| 3.2.2 图像识别的技术领域分析 | 第24-26页 |
| 3.2.3 图像识别的专利权人分析 | 第26-29页 |
| 3.2.4 图像识别的技术来源分析 | 第29-30页 |
| 3.2.5 图像识别技术的目标地域分析 | 第30-31页 |
| 3.2.6 图像识别技术的引用频次分析 | 第31页 |
| 3.2.7 主要技术来源国家的专利申请趋势 | 第31-32页 |
| 3.2.8 主要技术来源国家的专利地域布局 | 第32-34页 |
| 3.3 字符识别的专利分析 | 第34-36页 |
| 3.3.1 字符识别专利的时间趋势分析 | 第34-35页 |
| 3.3.2 字符识别专利的专利权人分析 | 第35页 |
| 3.3.3 字符识别专利的目标地域分析 | 第35-36页 |
| 3.4 人脸识别的专利分析 | 第36-39页 |
| 3.4.1 人脸识别专利的时间趋势 | 第36-37页 |
| 3.4.2 人脸识别专利的专利权人分析 | 第37-38页 |
| 3.4.3 人脸识别专利的目标地域分析 | 第38-39页 |
| 3.5 指纹识别的专利分析 | 第39-41页 |
| 3.5.1 指纹识别专利的时间趋势 | 第39页 |
| 3.5.2 指纹识别专利的专利权人分析 | 第39-40页 |
| 3.5.3 指纹识别专利的目标地域分析 | 第40-41页 |
| 3.6 虹膜识别的专利分析 | 第41-44页 |
| 3.6.1 虹膜识别专利的时间趋势 | 第41-42页 |
| 3.6.2 虹膜识别专利的专利权人分析 | 第42-43页 |
| 3.6.3 虹膜识别专利的目标地域分析 | 第43-44页 |
| 3.7 字符、人脸、指纹和虹膜识别专利综合分析 | 第44-45页 |
| 3.8 本章小结 | 第45-47页 |
| 第四章 专利视角下的BAT图像识别技术发展现状和机会分析 | 第47-66页 |
| 4.1 BAT在图像识别技术领域发展概况 | 第47-50页 |
| 4.1.1 百度在图像识别领域的发展 | 第48页 |
| 4.1.2 阿里巴巴在图像识别领域的发展 | 第48-49页 |
| 4.1.3 腾讯在图像识别领域的发展 | 第49-50页 |
| 4.2 BAT图像识别技术的专利分析 | 第50-56页 |
| 4.2.1 BAT总体专利分布情况 | 第50-51页 |
| 4.2.2 BAT图像识别技术专利信息分布 | 第51-53页 |
| 4.2.3 图像识别专利时间趋势 | 第53-54页 |
| 4.2.4 目标地域分布 | 第54-56页 |
| 4.2.5 BAT在字符识别、人脸识别、指纹识别和虹膜识别的专利分布 | 第56页 |
| 4.3 BAT图像识别技术专利发展的优势分析 | 第56-59页 |
| 4.3.1 强大的资金实力及研发投入 | 第56-57页 |
| 4.3.2 专利申请数量的强劲趋势 | 第57页 |
| 4.3.3 专利侧重度略显优势 | 第57-58页 |
| 4.3.4 广泛的大数据来源 | 第58页 |
| 4.3.5 丰富的应用场景 | 第58-59页 |
| 4.5 BAT图像识别技术专利发展的风险 | 第59-60页 |
| 4.5.1 激烈的竞争环境 | 第59页 |
| 4.5.2 专利质量有待提升 | 第59-60页 |
| 4.5.3 高性能人工智能芯片对外依赖 | 第60页 |
| 4.6 BAT图像识别技术专利发展的机会 | 第60-64页 |
| 4.6.1 人工智能的迅速崛起 | 第60-61页 |
| 4.6.2 国家对人工智能的高度重视及政策支持 | 第61-64页 |
| 4.6.3 广阔的市场前景 | 第64页 |
| 4.6.4 国内高校及科研机构的科研实力强大 | 第64页 |
| 4.7 本章小结 | 第64-66页 |
| 第五章 BAT图像识别技术的专利发展策略建议 | 第66-72页 |
| 5.1 BAT图像识别技术专利发展总体策略 | 第66-69页 |
| 5.1.1 动态跟踪竞争对手技术发展情况 | 第66页 |
| 5.1.2 不断挖掘积累专利,突破核心技术,提升专利质量 | 第66-67页 |
| 5.1.3 实施专利标准化战略 | 第67页 |
| 5.1.4 强化专利运营,实现专利的商业价值 | 第67页 |
| 5.1.5 加强专利管理人才培养及储备 | 第67-68页 |
| 5.1.6 强化校企合作,推动图像识别技术专利转化 | 第68页 |
| 5.1.7 加强保护,构建防御、储备的专利保护机制 | 第68页 |
| 5.1.8 建立专利预警机制 | 第68-69页 |
| 5.2 对BAT分别策略建议 | 第69-71页 |
| 5.2.1 对于百度的建议 | 第69-70页 |
| 5.2.2 对于阿里巴巴的建议 | 第70页 |
| 5.2.3 对于腾讯的建议 | 第70-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结及展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
