嵌入式人工智能已成趨勢譬正,要用“團戰(zhàn)”的方式搶占未來

姓名:張猛

引用自:https://www.leiphone.com/news/201708/mOgqk4cEwfeXUGGA.html

【嵌牛導讀】:武林中再強的高手也會有命門和破綻。高手之所以常勝不敗蚤认,原因在于懂得揚長避短稳摄、因地制宜室囊。人工智能也是如此藻雪。深度學習算法可以幫助計算機理解大量圖像鳖谈、聲音和文本形式的數(shù)據(jù),但其能力嚴重依賴于云端數(shù)據(jù)中心強大的計算能力阔涉。以安防領(lǐng)域的攝像頭為例,攝像頭采集到視頻和圖像數(shù)據(jù)之后需要借助網(wǎng)絡(luò)上傳至后臺捷绒,后臺計算完成后再返回到攝像頭瑰排。【嵌牛鼻子】:成長暖侨,犯錯椭住,自信,能力

【嵌牛提問】:嵌入式與人工智能的結(jié)合會帶來什么字逗,有什么技術(shù)難點京郑?

【嵌牛正文】:

1.嵌入式人工智能

人工智能系統(tǒng)對圖像和視頻進行分析的一大前提是宅广,采集到的數(shù)據(jù)必須足夠清晰,因此視頻監(jiān)控正朝著日益高清化的趨勢發(fā)展些举,產(chǎn)生了十分龐大的數(shù)據(jù)量跟狱。但受制于網(wǎng)絡(luò)傳輸技術(shù)和網(wǎng)絡(luò)環(huán)境,傳輸如此龐大的數(shù)據(jù)量勢必會產(chǎn)生一定的時延户魏,甚至根本無法傳輸驶臊。而現(xiàn)代安防理念的核心早已經(jīng)從“事后溯源”升級為“事前預防”,要提前預測風險并及時阻止危險發(fā)生叼丑,“實時性”是一項基本前提关翎。

“比如說G20峰會這種非常重要的場合,不能事后再說鸠信,必須在前端識別纵寝,阻止犯罪行為和黑名單里人。G20峰會是怎么做的呢星立?就是不惜一切代價爽茴,把后端該干的事情放到前端。這樣做的好處是可以實時控制贞铣、防止犯罪闹啦,可是不能變成常態(tài)。G20峰會結(jié)束了辕坝,這個活動也就結(jié)束了窍奋。我們思考的是如何把搞運動式的特殊情況變成常態(tài)化的事〗闯”觸景無限科技董事長陸凡說道琳袄。

觸景無限給出的答案是嵌入式人工智能。現(xiàn)在人工智能正朝著嵌入式系統(tǒng)遷移纺酸。例如傳說中蘋果正在開發(fā)專用的人工智能處理器‘Apple Neural Engine’窖逗,高通和谷歌也發(fā)布了在人工智能芯片方面的合作情況〔褪撸可以預見碎紊,人工智能技術(shù)需要規(guī)模龐大的數(shù)據(jù)中心資源,接下來諸如手持人工智能樊诺,邊緣計算人工智能等將成為行業(yè)趨勢仗考,這就是嵌入式人工智能。

所謂的嵌入式人工智能词爬,其最大的特征就是本地計算秃嗜,在不聯(lián)網(wǎng)的情況下就可以做環(huán)境感知、人機交互、決策控制锅锨,且是實時的叽赊。相較而言,云端致力于如何更好地解決問題必搞,而嵌入式人工智能則強調(diào)如何更加經(jīng)濟地解決問題必指。

2.視覺卡

觸景無限推出的視覺卡正是嵌入式人工智能十分具有代表性的產(chǎn)品之一。據(jù)觸景無限CEO肖洪波介紹顾画,觸景無限共推出了兩代視覺卡取劫,每一代又針對不同應(yīng)用場景推出了多款產(chǎn)品。第一代視覺卡發(fā)布于2016年研侣,集成了英偉達的Tegra K1芯片及多種傳感器谱邪;第二代則發(fā)布于今年上半年,采用了英特爾收購的Movidius開發(fā)的Myriad 2 MA245x視覺芯片庶诡,搭載兩個攝像頭惦银,功耗為2W。

該視覺卡的體積僅1元硬幣大小末誓,而且處理速度高達20FPS扯俱,抗環(huán)境干擾(環(huán)境光照10-10000流明),并且能夠靈活的多方向運動喇澡,圖像全局快門不變形迅栅,避障范圍達到0.8-15米,并且不受到光照晴玖、復雜背景環(huán)境等因素的干擾和影響读存。

肖洪波向雷鋒網(wǎng)(公眾號:雷鋒網(wǎng))介紹,兩代視覺卡最大的區(qū)別在于功耗和內(nèi)置的芯片呕屎。第二代視覺卡功耗相對更低让簿,更加適用于無人機、智能可穿戴設(shè)備等領(lǐng)域秀睛。同一代視覺卡的不同產(chǎn)品間尔当,最大的區(qū)別則在于集成的傳感器和搭載的算法。

3.技術(shù)難點

這聽起來很簡單蹂安,不過是把幾個芯片和傳感器整合到一起椭迎,但實際過程卻復雜得多,涉及硬件和軟件兩個層面田盈。

“觸景無限最早就是做軟件算法的侠碧,后來我們在手機上做AR,也做了很多底層芯片的算法加速缠黍。但我們覺得,如果未來手機真的普及了AR药蜻,由于它涉及底層圖像瓷式,手機廠商有天然的優(yōu)勢替饿。如果手機廠商推出這個功能,我們的工作就意義不大了贸典。所以我們從2013年就開始做嵌入式的解決方案了视卢。”肖洪波說道廊驼。

肖洪波介紹据过,視覺卡的技術(shù)難點主要體現(xiàn)在三個方面:首先是要支持不同類型的傳感器,這些傳感器的驅(qū)動和硬件開發(fā)都不盡相同妒挎,有些芯片連OS都沒有绳锅,開發(fā)難度非常高。二是需要做前端模型的壓縮和運行處理酝掩,即在底層做一些并行算法的處理鳞芙。三是功耗,功耗高不僅意味著消耗能源期虾,還會帶來散熱問題原朝。

肖洪波對雷鋒網(wǎng)說道:“如果想做好一款產(chǎn)品,肯定要從底層的芯片結(jié)構(gòu)開始考慮優(yōu)化镶苞。雖然我們自己不做芯片喳坠,但只有對市面上芯片的能力足夠了解,才能把模組做好茂蚓『攫模”

4.前后端協(xié)同

視覺卡的應(yīng)用場景可以分為兩種類型:一種是移動式的、缺少網(wǎng)絡(luò)連接支持的煌贴。比如警察使用的移動設(shè)備御板,很多時候作業(yè)環(huán)境根本沒有網(wǎng)絡(luò),不可能連接到服務(wù)器牛郑,只能在前端處理怠肋。但前端的處理能力有限,不可能與服務(wù)器相比淹朋,因此只適用于一些非常特殊的場景笙各,比如人臉識別數(shù)量要求不高的場景。

另一種是網(wǎng)絡(luò)連接正常础芍,但需要增強實時性的場景杈抢,這時候就要通過前后端的協(xié)同來完成。即通過嵌入式模塊賦予前端一定的智能分析能力仑性,實時對現(xiàn)場進行監(jiān)控和分析惶楼;當前端能力不夠用時再向后端請求援助,這將是未來安防的一大發(fā)展趨勢。

“有一個嵌入式視覺峰會歼捐,我去年參加的時候大家還在討論何陆,說深度學習到底要不要放到嵌入式模塊總?cè)ァ=衲?月份我再去參加時豹储,大家已經(jīng)不再討論這個了贷盲,因為市場已經(jīng)有很大的需求了。全國各地的廠商都開始進入這個領(lǐng)域剥扣,嘗試做嵌入式的產(chǎn)品巩剖,但真正做出產(chǎn)品來的還是很少∧魄樱”肖洪波說道佳魔。

目前安防攝像頭、無人機等市場呻疹,基本都已經(jīng)被巨頭把持吃引,因此觸景無限針對的都是長尾市場。不過現(xiàn)在這個市場的技術(shù)門檻較高刽锤,而且競爭也不像終端廠商那樣激烈镊尺,而且觸景無限一直在擴大產(chǎn)品的通用性,努力拓展更大的市場空間并思。

5.整合行業(yè)資源

但一款產(chǎn)品需要滿足多種應(yīng)用場景庐氮,觸景無限是如何做到的呢?肖洪波介紹道:“我們有一套軟件平臺宋彼,在軟件平臺上抽取了一些公共組件弄砍,在這些組件之上再針對不同行業(yè)做對應(yīng)的算法。比如安防行業(yè)需要人臉識別输涕,我們就可能會和中科院合作音婶,開發(fā)人臉識別算法±晨玻”

據(jù)雷鋒網(wǎng)了解衣式,觸景無限目前已和多家世界知名的研究所展開合作,包括中科院檐什、UIUC(伊利諾伊大學)碴卧,歐洲的兩所知名機構(gòu),以及北美的一家算法庫乃正。

觸景無限希望整合已有的資源住册,并通過自身的工程技術(shù)和經(jīng)驗來優(yōu)化這些算法,為客戶提供解決方案瓮具。

肖洪波此前接受采訪時曾表示:“研究所里面荧飞,其實有非常好的做研究的人凡人,我們希望去整合這些資源,而不是重新去造車輪垢箕,對創(chuàng)業(yè)公司來講划栓,沒有必要從頭做算法。對我們來講条获,感知的算法是我們從頭做的,做的很好蒋歌,可以繼續(xù)做這方面的研發(fā)帅掘,但是有些公司需要其他的一些算法和產(chǎn)品,對于我們來講堂油,可能不是從零開始修档,我們直接找一個巨人,大家一起合作府框。大家只要做好分工就可以了吱窝,它做的是數(shù)學方面的東西,而我們需要把他們數(shù)學的東西迫靖,用非常良好的工程算法去做實現(xiàn)院峡,所以我對我們公司的同事要求是說,我們的主要工作是做數(shù)學的優(yōu)化和算法的優(yōu)化系宜,這是我們主要的工作照激。

我們的客戶通過我們可以接觸到上千個算法,我們可以幫他挑最好的算法把它優(yōu)化到模組上盹牧,嵌入到產(chǎn)品里面去俩垃。”

8月10日汰寓,觸景無限又與中科院深圳先進技術(shù)研究院共同宣布成立了“嵌入式人工智能及機器視覺聯(lián)合實驗室”口柳,并舉行了揭牌儀式。

中科院深圳先進技術(shù)研究院的多媒體技術(shù)研究中心主要致力于計算機視覺有滑、圖像處理跃闹、模式識別、語音處理俺孙、機器學習等領(lǐng)域的研究和開發(fā)辣卒,在人臉識別、人臉表情/性別和屬性識別睛榄、場景分類和理解荣茫、行為識別、場景文字檢測與識別等技術(shù)研究上頗具實力场靴。團隊開發(fā)的深度人臉識別技術(shù)在人臉識別世界通用測試基準LFW上獲得了99.5%的識別率啡莉,比人眼識別的結(jié)果(97.52%的識別率)更精準港准,也超過了Facebook的Deep Face。

“應(yīng)用場景上的計算最終要落地到設(shè)備上咧欣,此次戰(zhàn)略合作將是中科院先進院與人工智能企業(yè)在產(chǎn)學研落地方向上的一次全新嘗試浅缸,希望雙方能發(fā)揮各自技術(shù)與產(chǎn)業(yè)化優(yōu)勢,互補互促魄咕,長期友好合作衩椒。”中科院深圳先進院院長樊建平表示哮兰。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末毛萌,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子喝滞,更是在濱河造成了極大的恐慌阁将,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,284評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件右遭,死亡現(xiàn)場離奇詭異做盅,居然都是意外死亡,警方通過查閱死者的電腦和手機窘哈,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評論 3 395
  • 文/潘曉璐 我一進店門吹榴,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人宵距,你說我怎么就攤上這事腊尚。” “怎么了满哪?”我有些...
    開封第一講書人閱讀 164,614評論 0 354
  • 文/不壞的土叔 我叫張陵婿斥,是天一觀的道長。 經(jīng)常有香客問我哨鸭,道長民宿,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,671評論 1 293
  • 正文 為了忘掉前任像鸡,我火速辦了婚禮活鹰,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘只估。我一直安慰自己志群,他們只是感情好,可當我...
    茶點故事閱讀 67,699評論 6 392
  • 文/花漫 我一把揭開白布蛔钙。 她就那樣靜靜地躺著锌云,像睡著了一般。 火紅的嫁衣襯著肌膚如雪吁脱。 梳的紋絲不亂的頭發(fā)上桑涎,一...
    開封第一講書人閱讀 51,562評論 1 305
  • 那天彬向,我揣著相機與錄音,去河邊找鬼攻冷。 笑死娃胆,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的等曼。 我是一名探鬼主播里烦,決...
    沈念sama閱讀 40,309評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼禁谦!你這毒婦竟也來了招驴?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,223評論 0 276
  • 序言:老撾萬榮一對情侶失蹤枷畏,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后虱饿,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體拥诡,經(jīng)...
    沈念sama閱讀 45,668評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,859評論 3 336
  • 正文 我和宋清朗相戀三年氮发,在試婚紗的時候發(fā)現(xiàn)自己被綠了渴肉。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,981評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡爽冕,死狀恐怖仇祭,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情颈畸,我是刑警寧澤乌奇,帶...
    沈念sama閱讀 35,705評論 5 347
  • 正文 年R本政府宣布,位于F島的核電站眯娱,受9級特大地震影響礁苗,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜徙缴,卻給世界環(huán)境...
    茶點故事閱讀 41,310評論 3 330
  • 文/蒙蒙 一试伙、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧于样,春花似錦疏叨、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至携御,卻和暖如春昌粤,著一層夾襖步出監(jiān)牢的瞬間既绕,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評論 1 270
  • 我被黑心中介騙來泰國打工涮坐, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留凄贩,地道東北人。 一個月前我還...
    沈念sama閱讀 48,146評論 3 370
  • 正文 我出身青樓袱讹,卻偏偏與公主長得像疲扎,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子捷雕,可洞房花燭夜當晚...
    茶點故事閱讀 44,933評論 2 355

推薦閱讀更多精彩內(nèi)容