新闻资讯 分类
Kaiyun·yunkai(中国)官方网站·IOS/手机版APP下载/APP_中国工程院院士高文:数字视网膜消除智能交通痛点|世界人工智能融合发展大会
本文摘要:消息,11 月 19 日上午,2019 世界人工智能融合发展大会于山东济南月开会。

消息,11 月 19 日上午,2019 世界人工智能融合发展大会于山东济南月开会。大会由工业和信息化部、中国工程院、山东省人民政府指导,由山东省工业和信息化厅、省教育厅、省科技厅、省财政厅、济南市人民政府和新一代人工智能产业技术创新战略联盟联合主办。在这场大会上,中国工程院院士、新一代人工智能产业技术创新战略联盟理事长高文;中国工程院院士、浪潮集团首席科学家王恩东;英国皇家工程院院士、鲲云科技首席科学家陆永青;富士康工业互联网董事长李军旗等嘉宾参加,作过了主题报告。高文本次报告的主题为《智能交通与数字视网膜》,以下是(公众号:)在不转变本意基础上的整理与编辑:各位专家、各位同行,各位朋友,大家好!智能交通之所以被称作“智能”,是因为它可以通过一些技术手段来提高效率;比如,它可以告诉哪条路上车多,哪条路上车较少。

虽然,以前的信号控制系统也做到了很多类似于工作,但那些系统大部分是通过地面的线圈,或是通过摄像头收集到的信息来展开输出。今天我要和大家共享的,就是将最现代化的传感器和计算出来系统合在一起,去把智能交通这件事作好。首先,我们来理解一下什么叫数字视网膜。

实质上,数字视网膜本现在早已构成了大规模的系统,这个系统要如何把视频“看见”的东西很好地协商一起,必须解决问题三个问题,一个是为什么,一个是怎么做,一个是明确的概念是什么。从整体来讲,无论是数字视网膜,还是图像处理或视频处置,都经过了漫长的进化路径。荐个例子,视频处置技术刚刚经常出现的时候,仿真的是照相机,那时大约是在 19 世纪中前期;后来,从伦敦开始,人们渐渐将这些图像以及其表达的内容利用一起;仍然到 19 世纪中叶计算机以后,人们开始把仿真图像变为数字图像,展开处置和传输;到了今天,图像处理从卫星图像到医学图像等领域大大发展,甚至覆盖面积了我们生活的各个方面。以前人们在这一方面的处置能力不强劲,但现在,摄像头和传感器的发展更加好,云计算也经常出现了。

以前的摄像头现在出了摄像机网络,由几千个几万个摄像头联系在一起;原本非常简单的云存储也变为了现在简单的城市大脑,一个城市有一个总存储中心和若干个分存储中心。智能交通的决策分析都在总中心展开,而数据则从最末端的每个摄像头传输到分存储中心,再行汇总到总中心。那么,这些数据明确是怎么过来的?以前的模式就是,摄像头把拍下的内容用编码器传输后传输回去,到了总中心再行可执行文件,通过基于手工的系统来萃取简单信息,并分析辨识。随着人工智能技术更加成熟期,上述手工已完成的工作都转交了深度神经网络来做到,只要有充足的算力就不够了。

但是,这样一个系统,知道能提高效率吗?如果效率敢,又是因为什么原因呢?刚说道过,摄像头拍电影到画面后要展开传输,然后传遍总中心解码,再行展开特征提取、分析、辨识;实质上,这个过程必须一定的时间,很难超过动态的效果。为了解决问题这个问题,人们不时地升级系统,还加了许多类似的智能摄像头来必要辨识一些特征,仍然经过编码的过程,由此来节约时间。这种解决方案知道好吗?其实不然。

因为,这样做到显然可以解决问题一些小问题,但是它带给了更加多的大问题。现在的摄像机网络规模相当大,所以它搜集的数据也十分大,然而,数据大不相等大数据。

这些摄像头拍下来的东西,85%—90% 都是监控视频的数据,很难对整个城市的管理和规划改良有协助;而且,它们存储的时间最久也只有三个月,有可能在两个星期的时候就被覆盖面积了或是荒废了。这样的超大数据量仅有一个超低的价值密度,我们应当想要办法去切换,让它显得更加有价值。问题只不过出有在架构上。

按照原本的架构,完全 99% 的摄像头只是用来摄制,然后将内容编码,即便它们传输的数据之后充分发挥了起到,摄像头的贡献也是大于的。所以,我们要想要办法让摄像头腊更加多的活儿,但又不是将其升级为非常简单的智能摄像头来辨识人脸或车牌(原因上文已说明)。

确实简单的方法是,让摄像头将简单的数据提取出来,传输到云,然后作为一个富裕价值的大数据在云里处置并长年留存。这就是指生物界受到的灵感。

无论人还是动物,我们都有眼睛,并且效率十分低。眼睛提供光学信号是通过视网膜来提供,视网膜里有两种较为关键的细胞,感光细胞和锥状细胞,这两种细胞特一起有 1.26 亿,而我们平时看见的东西,都是通过这些细胞来传遍大脑的。不过,在信息往后记的时候,经过了若干层,每记一层信息都会展开削减,仍然传遍脑神经的相连地方。荐两个例子,一个长时间的孩子在自学的过程,实际是把神经的全相连网络展开了强化和剪裁,有些相连显得更加细,有些相连渐渐就衰退掉,最后他能有效率地分辨事物。

忽略,一个患上自闭症的孩子末端神经和脑端神经一样细,而是没展开过剪裁的全相连,他的注意力很难集中于。这也就说明了信息削减的重要性,但目前我们的摄像头没信息削减这个功能,相等于一个“冷漠系统”。所以,我们的系统要像人的视觉系统一样,把信息削减了往北上送。为了做到这件事,去年我和一个北大的同志,还有一个阿里巴巴的同志,三个人一起在《中国科学》上发了一篇文章取名为《数字视网膜智慧城市系统演变的关键环节》的文章。

如果用了所谓的数字视网膜,这件事就可以解决问题了,数字视网膜有八个最主要的特性,我汇总了三个最本质的特征:第一个特征叫作全局统一的时空 ID,每个摄像头要有一个全局统一的时空的 ID,地理位置是全局统一;每个摄像头只要是送来信息回去,立刻就告诉这是全局统一几点几分的时间再次发生的事,再次发生的物理地点是在哪里。第二个特征就是视网膜本身要有高效视频编码的能力,高效特征编码的能力和牵头优化的能力。高效视频编码方面现在有很多标准,像 AVS 标准,MPEG4 等等;特征编码现在的标准有 MPEG,CDVS 标准,CDVA 标准;如果在一个码流里,同时要监控视频编码和特征编码的话,要想要办法让它们可以牵头优化。

第三个本质特征就是模型可改版,留意可调节,软件可定义,这也是三个有所不同的拒绝。我们现在都是用神经网络模型,随着时间推移可能会有新的算法出来,所以,数字视网膜要是模型可改版的;换句话说,每个摄像头上的算法都是可以升级的。留意可调节,主要是可以后台掌控它。

同一个画面里的东西,优先级在每个地方都是不一样的,我们可以彰显它一个感兴趣区域的功能,让它有留意一些尤其最重要的区域,并保有这个区域的信息。软件可定义,可以通过软件升级来构建软件可定义。这种新的数字视网膜实际有三个流,不像传统的摄像头就是一个流,即一个视频压缩东流或一个辨识结果流。

数字视网膜的三个流还包括视频编码流,特征编码流,模型编码流。当然这三个东流是有分工的,有的是在前端可以实时控制调节,有的是通过云端对系统出来展开调节和掌控的。

这就是数字视网膜。实质上,数字视网膜主要是通过脑眼合一的方式,将未来终端的信息,通过数字视网膜的处置,送往云端的。现在,我们在深圳专门做到数字交通,为了做到这个事而展开大规模的训练。

其中,有一些开源的东西,还包括创建开源生态,还有一些势能的技术,里面视频编码标准是一块最重要的势能技术。现在,联盟也在做到一些基于刚才说道的标准装有的大的应用于标准,这些都在按部就班往前前进。第一款数字视网膜芯片早已在路上,迅速就不会公布,这个芯片较小,就像一块钱硬币一样,但却把我刚才说道的三个本质特征,八个功能全都包括在里面。

将来,这种芯片可能会必要转入各种智能交通的系统里,不会承托数字视网膜的应用于。年度票选——找寻19大行业的最佳AI落地实践中创办于2017年的「AI最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。从商用维度抵达,找寻人工智能在各个行业的最佳落地实践中。

第三届票选已月启动,注目微信公众号“”,恢复关键词“榜单”参予甄选。下文可咨询微信号:xqxq_xq原创文章,予以许可禁令刊登。下文闻刊登须知。


本文关键词:Kaiyun·yunkai(中国)官方网站,Kaiyun·yunkai(中国)官方网站·IOS/手机版APP下载/APP

本文来源:Kaiyun·yunkai(中国)官方网站-www.xiaos5.com