计算机视觉任务与技术计算机视觉技术应用

转载

mob64ca14089531 2024-02-02 14:15:23

文章标签 计算机视觉任务与技术计算机视觉在产业中的应用实践和前沿思考深度学习计算机视觉移动端 文章分类 计算机视觉人工智能

计算机视觉在产业中的应用实践和前沿思考 - 吴永坚 - 阅读摘要

原文阅读于 AI 科技大本营

计算机视觉是一门研究如何让机器“看”的学问，涉及的重要一点是图像理解的技术。计算机视觉能够将线上线下的东西关联，关联人、关联物，这是它能发展起来的一个重要原因。

人脸检测的权威数据库 WIDERFACE 和 FDDB。

2017 年，腾讯优图推出了面向治安管理场景的优图天眼智能安防平台，以及面向交通监督场景的智能交通平台。

腾讯优 Mall 智慧零售系统可帮助企业用户打造“知人知面更知心”的智慧门店，借助计算机视觉能力为不同的顾客进行定制化推荐等。

什么是核身技术？就是验证线下这个人是否是与身份证呈现的是同一个人的技术。这种技术包括身份证 OCR 技术、活体检测和人脸比对技术，综合保障人脸核身的准确性与有效性。

深化 - 深度学习模型推断与训练研究

需要有很高的计算精度。将装饰物投影到人脸上，看得到的人脸像素要非常稳，就是说从这一帧到下一帧，人脸位置尽量不能浮动，需要很高的精度。
计算的速度。它覆盖了很多计算机型，需要一秒能够处理 100 帧以上。
对模型的大小要求也非常高。现在前端的很多处理是放在手机端的，其容量及安装更新都有很大的限制，这就要求我们的模型大小只能控制在 5 兆以内。
最后，就是需要特别广的平台支持，除了支持如苹果等高端机型以外，我们还要支持其他中低端的机型，至少实现 90% 以上的机型覆盖。因为不同的机型计算芯片也不一样，对 CPU、GPU 都要有很好的兼容。

我们的首要诉求是在面对移动端上的实时计算时，对人脸配置需要实时、兼容性好的深度学习前向推断框架。

从 2012 年开始，深度学习的训练模型层数在不断加深，训练的能力也越来越强。从最开始的 AlexNet/VGGNet 模型，到最近的 DPN 结构，模型已经达到了上千层，并且有了更复杂的网络子模型。

2014 年我们训练的只有百万级别的数据，而现在已是 10 亿级别甚至更高。

在传统机器学习迈向深度学习的过程中，我们始终面临模型训练与模型推断的挑战。

一个是高性能分布式训练平台 RadpidFlow，可支持多机多卡训练，提供完整的定点量化解决方案。“定点量化” 即意味着从原来的 32 位能够降到 8 位甚至更低，只有 8 位的训练模型才能更快的在前端跑起来，对带宽能够进行充分的利用。

另一个是跨平台的框架 RadpidNet，能够针对不同的芯片异构设备进行深度定制和优化，资源占用少，计算速度快。

腾讯优图推出了一款移动端开源神经推断网络库 NCNN (RadpidNet的前身)。

演进 - 性能不断提升，功耗持续优化

就芯片本身来讲，因面积有限，最开始 CPU 为保证通用处理性能会占用很多的控制单元，而这部分不是用来计算的，算力比较弱；到了 GPU 时代，也就是 NVIDIA 发展起来的一个重要时期，它能够把原来图形处理的设计单元与深度学习进行适配，算力强，但功耗比较高；再往后的专用 AI 芯片，专用卷积加速模块，为 AI 加速设计，包括很多的大公司或创业公司都在做这类的 AI 芯片。

首先是性价比会越来越高，同样的价格，同一芯片所能提供的算力越来越强，这符合摩尔定律；但如果打通这些芯片横向对比，我们还发现一个规律，单位功耗所买到的算力也越来越高，也就是说，单位算力输出的情况下，功耗越来越低，这就引入了所谓 “云+端” 的概念。

这导致的另一个趋势是，计算力开始从云向端上走。如从前段时间的英伟达的 GPU 到现在的英特尔 Movidus 芯片和国内的华为海思芯片都在进行这方面的尝试，腾讯优图深度学习平台的研究方向也从原来的 CPU、GPU 往 AI 芯片的方向上走。

腾讯优图，你身边的视觉 AI 专家。