中科创达孙力:AI赋能行业的难点与应对方法

作者: 王雪燕 2018-12-21 16:47:58

【51CTO.com原创稿件】当下,人工智能赋能安防、金融等细分领域,参与关键工作流程,提供多种多样实用的服务。伴随嵌入式领域的加速演进,人工智能被广泛关注,作用于更多场景。中科创达立足智能终端操作系统,聚焦嵌入式人工智能关键技术。近日,中科创达联合清华大学、美国高通公司共同举办了“ThunderWorld2018嵌入式人工智能大会”,围绕嵌入式人工智能领域的技术前沿、产业趋势和热点问题探讨。

孙力·中科创达副总裁

主论坛上,中科创达副总裁孙力做了主题为《智能视觉的“深蹲”和“起跑”》的演讲,阐述了建设图像系统、普及3D图像技术、优化嵌入式AI算法应用及AI赋能行业的难点与应对方法展开。

建设图像系统的难点与应对方法

视觉技术,是一门涉及诸多领域的交叉学科,用Camera进行图像抓取是前提。抓取的过程错综复杂,涉及到模组进行图像采集与应用、主芯片功耗、性能和系统的优化,及人脸识别、美颜、传统拼接、光学处理、降噪等一系列算法。

做一个优秀图像系统除采集方面挑战,还有图象处理算法,如曝光,白平衡,对焦,宽动态HDR,降噪等)、芯片加速、画质调优等,还有硬件的碎片化须对画质进行复杂的调优流程(实验室和实际生活场景),还有虑功耗,性能和健壮性也是必须要考虑的。

孙力表示,画质调优是图像处理最重要的部分。想要产生***的图像质量,需要调试整个图像的Pipeline、 3A(对焦,曝光,白平衡)等等很多细节 。

IQ – 画质调优三大阶段

画质调试,分为三大阶段:

1.    ***做好基础软件、驱动,像软件功能检查、无重大Bug影响IQ、验证原始图片(EXIF、AE参数,校准数据)等;

2.    配置相关专业设备,进行实验室调参,像LSC、AWB、AE、Gamma、对比度增强、CCM、DPC、滤噪、边缘增强等参数检测及处理。

3.    真实场景调参,与参考设备对比拍摄并调整,参考设备像人物、宠物、风景、肖像、户外、低光、办公室、家庭、闪光灯、背光、电影等。

善用硬件加速,解决功耗和性能问题

硬件加速是提升图像计算的关键部分,使用GPU、CPU等嵌入式硬件都需要具备多方面的能力。嵌入式硬件在对算法加速上有很大帮助,同时也会存在功耗的问题,建议类汽车多个摄像头的拼接这样的场景,择优选择GPU。近几年,汽车ADAS芯片对于高画质的要求发生了从外置的ISP到内置ISP,到Bayer Sensor的转变, 目前主流的方案是用外置的ISP,将来汽车领域也会经历类似于手机从功能机到智能机的演变。主要驱动力有BOM成本降低、如发热问题,环视等应用的拼接问题。像ASIL compatible、长期投入、Road testing严苛等是汽车特有的高门槛。

普及3D图像技术的难点与应对方法

利用3D图像技术是图像视觉方的另一个趋势,普及过程中还需克服以下几大难题:

  • BOM成本,由于规模化的问题,还没有降低到平民化。
  • 种的光学设计,碎片化(ToF,结构光,双目,主动双目等)。
  • 嵌入式的SoC的depth map的运算能力(Pc辅助到嵌入式ARM based) 。
  • 多套使用的完整建模问题。
  • RGBD,基于3D的人工智能学术进展。

孙力表示,中科创达致力于利用宽动态/HDR 、降噪 、导入AI技术来解决传统图像质量问题,经过多年持续的投入与研发,在视觉技术领域已经有了很深厚的积累。

优化嵌入式AI算法应用的难点与应对方法

AI正当时,嵌入式/边缘AI是未来,嵌入式/边缘端智能视觉设备量也在迅速增长。在此大背景下,中科创达推出一款基于高通骁龙 845 平台的人工智能引擎,TurboX AI Kit。TurboX AI Kit主要特点有三:高性能的嵌入式端侧/边缘,AI 开发平台;丰富的嵌入式 AI 开发、分析、优化和调试工具;加速端侧 AI 的实现与普及,助力生态系统构建;

当前制约嵌入式AI算法应用的主要问题有:有限的计算资源、多样化的应用场景和需求、不成熟的生态系统、碎片化的终端处理平台、性能(准确率-速度)的平衡/取舍、功耗与成本等。想要应对这些问题,就需要在硬件和软件深度结合、系统化设计等方面深究。

AI赋能行业的难点与应对方法

当AI走出实验室,赋能某个行业,将面临方方面面的挑战。从客户角度看,期望看到的是整体解决方案(数据获取,隐私问题,训练,生产管理系统,私有云 部署,前后端等,而不是纯算法)。

客户在衡量AI技术的预算不是根据AI作为高大上的技术来做的,而是根据生产力提升(用户体验提升,销售转换率等),运行效率优化,及经营业绩能承受的预算能力来反推的,这和目前昂贵的AI投入成本(人力,服务器等)是个矛盾。

当行业客户的工作流程,部门职能等还未能围绕先进生产力来进行部署和优化时, 客户期望一次性投入建设一个人工智能平台,可以一劳永逸的自我训练、升级和部署,对比于现在需要定制化的算法,未来围绕需要解决的领域问题,少数的人力服务于算法的流程需要被建立。

那么,如何应对AI赋能行业遇到的这些难点呢?AI需要一个平台和引擎,而不是仅仅提供一个算法。举例,下图为中科创达智能视觉缺陷检测方案效果图。

中科创达智能视觉缺陷检测方案效果图

具体操作方式是通过传统CV技术首先将复杂的背景滤除,让缺陷在图片上显现出来,然后进行实际的分类。

未来,将有更多企业应用AI,普及度不断提升,随着市场的逐渐扩大,应用逐渐从特定领域向人们日常生活深入。随着智能化趋势的不断凸显,智能视觉的应用也将会进一步拓展和深化,逐渐向更多新兴领域迈进,在智能机器人、自动驾驶、人脸识别、安防、医疗等领域的应用将会越来越多。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

中科创达 孙力 AI赋能行业
上一篇:UNIT搭建企业智能对话系统的应用介绍 下一篇:一路狂奔的机器人会在2019年慢下来吗?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

大数据和人工智能如何协同工作

人工智能和机器学习如何帮助组织从大数据中获得更好的业务见解?需要了解人工智能和大数据分析的下一步发展。大数据技术并不像几年前那样广受关注,但这并不意味着大数据技术没有得到发展。如果说有什么不同的话,那就是大数据的规模正在变得越来越大。

Kevin Casey ·  1天前
麻省理工学院开发出组装机器人:未来可建造太空殖民地

麻省理工学院博士生本杰明·杰内特(Benjamin Jenett)和原子中心的尼尔·格申费尔德教授(Neil Gershenfeld)在《电气电子工程师学会机器人与自动化快报》科学期刊上发表报告称,开发出一种组装机器人原型,它可以用很小的零件制成大型结构。

技术力量 ·  1天前
刷脸取件被小学生“破解”!丰巢紧急下线

近日,#小学生发现刷脸取件bug#的话题引发关注!这是真的吗?都市快报《好奇实验室》进行了验证。

好奇实验室 ·  1天前
深度学习/计算机视觉常见的8个错误总结及避坑指南

人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。

skura ·  1天前
AI艺术日渐繁荣,未来何去何从?

利用人工智能创作而成的画作近年来越来越受瞩目,有的作品甚至能在知名拍卖行拍得高价。但这类作品仍有不少问题需要解答,比如它的作者是开发出算法的程序员还是计算机呢?AI艺术的市场未来将走向何方呢?

网易智能 ·  1天前
开源图神经网络框架DGL升级:GCMC训练时间从1天缩到1小时

又一个AI框架迎来升级。这次,是纽约大学、亚马逊联手推出图神经网络框架DGL。

乾明 ·  1天前
人工智能如何改变医疗保健行业

人工智能医疗公司的首席执行官对于人工智能在医学上的应用,如何购买人工智能解决方案,以及人工智能在医疗领域的未来发展进行了阐述。

James Maguire ·  1天前
2019年深度学习自然语言处理十大发展趋势 精选

自然语言处理在深度学习浪潮下取得了巨大的发展,FloydHub 博客上Cathal Horan介绍了自然语言处理的10大发展趋势,是了解NLP发展的非常好的文章。

HU数据派 ·  1天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载