新聞中心

EEPW首頁 > 編輯觀點 > 人工智能開啟視覺處理新篇章:如何更好的理解這個世界

人工智能開啟視覺處理新篇章:如何更好的理解這個世界

作者:陳玲麗時間:2020-07-20來源:電子產品世界收藏

的第三次浪潮正席卷全球,而在這次計算機視覺功不可沒。的終極目標在于使得計算機能像人一樣觀察感知世界,核心任務就是對圖像進行理解,場景分類、目標識別/圖像分類、目標定位、目標檢測、語義分割、三維重建、目標跟蹤都是其研究內容。

本文引用地址:http://www.303263.tw/article/202007/415836.htm

視覺與的融合

縱觀信息產業發展歷程,從個人電腦時代到移動互聯網時代,承載高性能計算的芯片決定新型計算平臺的基礎架構和發展生態,并掌握著產業鏈最核心的話語權。傳統硬件架構難以滿足時代深度學習的要求,新的算法需要新的硬件來支撐。同時,芯片的結構將越來越像“大腦”,類腦芯片、智能芯片等將是人工智能的發展方向。

640.png

視覺芯片集成高速圖像傳感器和大規模并行圖像處理電路,能夠模仿人類視覺系統視覺信息并行處理機制,解決現有視覺圖像系統中數據串行傳輸和串行處理的速度限制瓶頸問題。人工智能(AI)視覺芯片與攝像頭的關系是:芯片做的是大腦,攝像頭做的是眼睛。

人眼的成像是非常聚焦的,只看到關注的東西。而當AI算法解決了“要看什么”的問題后,前端成像就有了目標,可以把所有的資源都調配到關注的對象上,做到“指哪打哪”,也就是取出噪音的處理過程,可以更高效智能地處理視覺信息。這種根據AI的需求來成像,能解決很多以前解決不了的問題。

現在,人工智能已從數據中心迅速發展到邊緣,最新的專用集成電路(ASIC)和片上系統(SoC)IP正在圍繞一個主題發展,即從視覺信息的預處理,到傳統的計算機視覺算法,然后再用神經網絡進行邊緣推理,產生對象檢測、識別以及適當的動作,是包括計算機視覺深度學習在內的多種機器學習的總稱。

這些網絡的設計旨在使用數字等效物和感知器來模擬人腦的神經元和突觸,它們通常需要經過訓練,才能識別視覺等數據中的模式,然后當遇到新的數據時,就可以從中推斷出數據可能的含義。

在過去十年,由于可負擔計算能力的增加,以及卷積神經網絡(CNN)及其所用傳感器的發展,一直在以指數級的速率進步。具體而言,若能根據傳感器、數據集和SLAM(同時定位與映射)算法輸入去“了解”世界并對其“開發出”表征模型,那么系統就可以開始掌握周圍環境及其在空間中的位置,并做出預測和采取行動。

在對人工智能而非提高像素的需求推動下,特別是在由計算機視覺和數據驅動的決策制定方面,GPU(圖形處理單元)領域已出現一場革命:神經網絡的到來已使視覺處理成為現代世界的關鍵因素。因此,機器人處理操作、智能監控攝像頭以及汽車高級駕駛輔助系統(ADAS)等相關行業都發生了變化 —— 隨著這類技術的全面涌現,未來還將出現更多新的應用。

人工智能視覺處理都能做什么?

一片小小的人工智能視覺芯片能做什么?無人駕駛汽車主動識別并避讓行人、攝像頭實時甄別在逃犯,這些影視作品中的情節,或許不久將可通過基于嵌入式人工智能視覺芯片的“解決方案”成為現實。人工智能芯片被視為未來人工智能時代的戰略制高點。在視覺感知領域,人工智能視覺芯片正逐步應用于智能手機、安防監控、自動駕駛、醫療成像和智能制造等領域。

· 自動駕駛:自動駕駛汽車上裝有多個攝像頭,用來實現計算機視覺、對象識別、車道警告和駕駛員監控,以及其他傳感器(例如,熱成像、RADAR和LiDAR)而實現傳感器融合。人工智能和路徑規劃可以識別和預測是否有小孩會走到公路上,從而讓車輛預測和減速,以便采取規避行動。在更簡單的層面上,自動代客泊車可以使駕駛員省去尋找停車位的負擔。

· 醫療成像:其中最突出的應用領域是醫療計算機視覺和醫學圖像處理,這個區域的特征的信息從圖像數據中提取用于使患者的醫療診斷的目的??梢詮膱D像數據中提取的一個例子是檢測的腫瘤,動脈粥樣硬化或其他惡性變化,它也可以是器官的尺寸,血流量等。

· 智能制造:信息被提取為支撐的制造工序的目的,例如,質量控制其中的信息或最終產品被以找到缺陷自動檢測。同時也被大量用于農業的過程,從散裝材料,這個過程被稱為去除不想要的東西,食物的光學分揀。

· 軍事應用:最明顯的例子是探測敵方士兵或車輛和導彈制導。更先進的系統為導彈制導發送導彈的區域,而不是一個特定的目標,并且當導彈到達基于本地獲取的圖像數據的區域的目標做出選擇?,F代軍事概念,如“戰場感知”,意味著各種傳感器,包括圖像傳感器,提供了豐富的有關作戰的場景,可用于支持戰略決策的信息。在這種情況下,數據的自動處理,用于減少復雜性和融合來自多個傳感器的信息,以提高可靠性。

640.jpg

視覺處理行業的產業鏈是由上游基礎層、中游技術層以及下游應用層組成的。

· 上游基礎層基礎層:主要包括CPU、GPU等芯片硬件,深度神經網絡、循環神經網絡、卷積神經網絡等算法,以及由真實數據和模擬數據共同構成的數據集。核心芯片被Intel、Nvidia等傳統芯片廠商把控,新型芯片廠商尚未崛起,規模應用有待時日;開源平臺以谷歌的Tensorflow、Facebook的Caffe等為主,其它企業的深度學習框架多為二次開發。

· 中游技術層:主要包括視頻識別、圖片識別、模式匹配等嵌入式視覺軟件,以及一站式解決方案。算法,初創企業占優;云計算,幾乎被AWS、Google Cloud、Azure、阿里云等壟斷。

· 下游應用層:為計算機視覺的落地場景,包括智慧安防、智慧金融、手機應用、無人駕駛等商業領域。垂直行業龍頭占據場景,技術層初創企業向上滲透。

由此,可以將國內計算機視覺的玩家分為三類:

1. ??低?、大華股份、宇視科技等安防廠商:安防影像分析的市場需求驅動此類企業的技術研發,近年來安防行業頭部廠商紛紛推出自家智能化產品和解決方案。作為人工智能范疇中最關鍵的子領域之一(人類從外界獲取的信息中有80%~85%是依靠視覺實現的),計算機視覺技術的愿景是利用攝像機等視覺傳感裝置來代替人眼對物體進行識別、跟蹤和測量,再由計算機處理這些視覺信息,從而達到像人眼一樣對事物進行感知和認知,直接對應安防監控系統“看得懂”的需求。

2. 互聯網巨頭公司:近年來基于深度學習的智能語音、計算機視覺、自然語言處理等技術開始向各個應用領域滲透,全球人工智能產業規??焖僭鲩L。為搶占人工智能高地,谷歌、微軟、阿里巴巴、百度、騰訊、IBM、Facebook 等國際知名企業均持續增加在人工智能領域的資本投入。美國、中國、英國、德國、日本等國家也分別出臺人工智能相關支持政策及國家戰略規劃,為整個產業的發展創造良好的政策環境。

3. 創業公司:包括商湯科技、依圖科技和曠視科技等企業,普遍以細分領域為發力點,布局思路各異。在商湯、曠視、依圖等頭部企業看,各家戰略思路差異明顯。商湯致力于構造平臺,專注底層基礎應用,力圖在完善平臺后于其他領域快速落地。曠視則在致力于在安防、金融、零售、汽車、教育等廣泛領域提供軟硬件一體化的解決方案。依圖則表現出對安防、醫療兩大領域的專注深耕,依托產品化、工程化能力深入落地。

AI視覺未來的發展

視覺人工智能行業的發展,離不開技術的驅動:一方面諸如GPU、FPGA、ASIC等一系列AI芯片的出現極大提升了芯片計算能力,突破了傳統CPU的算力瓶頸;另一方面以深學習為代表的AI算法的崛起,使得AI視覺的識別能力有了很大的提高。硬件算力的提升以及軟件算法的進步都對視覺人工智能的發展起到了重要的推動作用。

AI視覺行業的快速發展一方面得益于現階段算力的大幅提升及算法的大幅改善(國內算法甚至已經達到國際水平),另一方面則受益于下游應用市場的廣闊空間。機器學習、深度學習等算法能力的不斷增強促進了視覺人工智能行業的高速發展。

640.jpg

視覺處理的工作流程包含四個模塊:檢測、分類、跟蹤與語義分割。具體為成像設備首先捕獲圖像,然后對每個圖像進行預處理,提取特征后輸入到分類模型中。人工智能視覺是采用圖像處理、模式識別、人工智能技術相結合的手段,著重于一幅或多幅圖像的計算機分析。

圖像可以由單個或者多個傳感器獲取,也可以是單個傳感器在不同時刻獲取的圖像序列。在消費級領域,隨著數據量上漲、運算力提升和深度學習算法的發展,計算機視覺技術越來越多地被應用在各類消費級應用場景中,典型的如人臉識別服務,具體包括人臉檢測、人臉關鍵特征點、人臉對比、人臉搜索、人臉屬性、人臉聚類、人力活體檢測等。

AI視覺處理就是用各種成像系統代替視覺器官作為輸入敏感手段,由計算機來代替大腦完成處理和解釋。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用,但并不意味著計算機必須按人類視覺的方法完成視覺信息的處理,計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理。但是,人類視覺系統是迄今為止,人們所知道的功能最強大和完善的視覺系統。

當前人工智能理論和技術日益成熟,應用范圍不斷擴大,產業正在逐步形成、不斷豐富,相應的商業模式也在持續演進和多元化。據IDC統計,2018年我國人工智能市場規模為161.9億元,預計到2022年市場規模將接近700億元,年復合增長率超過50%。據中國人工智能學會和羅蘭貝格咨詢公司預測,2025年市場規模將達到3萬億美元。

以深度學習為代表的人工智能算法的出現極大推動了視覺人工智能行業的發展。計算機視覺是人工智能行業的最大組成部分,與其他細分的比較來看,計算機視覺技術應用的市場規模也遠遠大于其他細分。

那么,視覺系統芯片如果在未來實現產業化,其市場空間有多大?據推算,2018年,圖像傳感器的市場規模在150億美元左右,雖然其中120億美元發生在智能手機領域,但未來發展比較快的4個領域是安防、國防、汽車、醫療,到2021年將會迎來40億美元的市場空間,年增長率約10%—20%。

視覺處理器的需求增長會更快,目前該市場的整體規模(包括硬件、軟件、服務)在170億美元至180億美元,單從硬件來看也占到約30億美元。如果視覺系統芯片可以覆蓋70億美元的市場規模,企業在這中間拿到1%的話,其盈利空間就已經很大了。

近年來,國內外一批新型人工智能企業,依托人工智能領域技術和算法優勢向芯片行業滲透,加強人工智能芯片基礎層研發。從市場格局來看,已經發展成為一個相對獨立又相互依存的產業生態。在前端,索尼是圖像傳感器市場、生產和技術的領導者,緊隨其后的三星和豪威科技也保持著不錯的競爭力;在后端,Mobileye和英偉達(NVIDIA)是提供視覺處理芯片的主要廠商,在國內該領域的公司有地平線等。

然而,截至目前,尚未有企業實現“圖像傳感器+視覺處理器”集成式芯片的大規模量產。不管是現在的創業企業,還是已經在市場上占有一定份額的大企業,不是做圖像傳感器,就是做后端的視覺處理器,這將給初創企業帶來機會。



評論


相關推薦

技術專區

關閉
河北快3一定牛买星