傳統(tǒng)計(jì)算機(jī)視覺融合深度學(xué)習(xí) 助力AI發(fā)展
機(jī)器學(xué)習(xí)不斷推動(dòng)視覺物聯(lián)網(wǎng)應(yīng)用變革,將經(jīng)典的計(jì)算機(jī)視覺與深度學(xué)習(xí)相結(jié)合進(jìn)行的研究,則顯示出了更好的成果。
計(jì)算機(jī)視覺是物聯(lián)網(wǎng)(IoT)廣泛應(yīng)用的基礎(chǔ)。家庭成員通過安裝了攝像頭的家庭監(jiān)控系統(tǒng)就能了解家里的所有情況。機(jī)器人和無人機(jī)使用視覺系統(tǒng)映射環(huán)境并避免行進(jìn)中的障礙物。增強(qiáng)現(xiàn)實(shí)眼鏡使用計(jì)算機(jī)視覺來覆蓋用戶視圖上的重要信息;汽車通過來自安裝在車輛上多個(gè)照相機(jī)捕捉的圖像,向駕駛員提供有助于防止碰撞的環(huán)繞或“鳥瞰”視圖。各種應(yīng)用案例數(shù)不勝數(shù)。
多年來,設(shè)備功能(包括計(jì)算能力、內(nèi)存容量、功耗、圖像傳感器分辨率以及光學(xué)系數(shù))的指數(shù)式演變提高了物聯(lián)網(wǎng)應(yīng)用中計(jì)算機(jī)視覺的性能和成本效益。伴隨這些而來的是精密軟件算法的發(fā)展和完善,例如人臉檢測(cè)和識(shí)別、物體檢測(cè)和分類以及同步定位和映射等。
機(jī)器學(xué)習(xí)的興起和面臨的挑戰(zhàn)
近年來,人工智能(AI),尤其是深度學(xué)習(xí)的發(fā)展,進(jìn)一步加快了物聯(lián)網(wǎng)視覺應(yīng)用的激增。與傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)相比,深度學(xué)習(xí)為物聯(lián)網(wǎng)開發(fā)人員在諸如目標(biāo)分類等任務(wù)方面提供了更高的準(zhǔn)確性。由于深度學(xué)習(xí)中使用的神經(jīng)網(wǎng)絡(luò)是“通過訓(xùn)練”而不是“編程”實(shí)現(xiàn)的,使用這種方法的應(yīng)用通常更易進(jìn)行開發(fā),從而更好地利用當(dāng)前系統(tǒng)中可用的大量圖像和視頻數(shù)據(jù)。深度學(xué)習(xí)還提供了卓越的多功能性,這是因?yàn)榕c針對(duì)性更強(qiáng)的計(jì)算機(jī)視覺算法相比,神經(jīng)網(wǎng)絡(luò)研究和框架的用途更廣。
但是,深度學(xué)習(xí)的優(yōu)勢(shì)并非沒有權(quán)衡和挑戰(zhàn)。深度學(xué)習(xí)需要大量的計(jì)算資源,用于訓(xùn)練和推測(cè)階段。最近的研究表明,不同的深度學(xué)習(xí)模型所需的計(jì)算能力與深度學(xué)習(xí)技術(shù)的精度之間存在緊密的關(guān)系。在基于視覺的應(yīng)用程序中,從75%到80%的精度轉(zhuǎn)變可能需要不少于數(shù)十億次額外的數(shù)學(xué)運(yùn)算。
使用深度學(xué)習(xí)的視覺處理結(jié)果也取決于圖像分辨率。例如,為了在目標(biāo)分類過程中獲得最充分的表現(xiàn)需要高分辨率的圖像或視頻,從而提升了需要處理、存儲(chǔ)和傳輸?shù)臄?shù)據(jù)量。圖像分辨率對(duì)于需要在遠(yuǎn)處探測(cè)和目標(biāo)分類的應(yīng)用尤為重要,例如企業(yè)安防攝像頭。
計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)結(jié)合以獲得更佳性能
傳統(tǒng)的計(jì)算機(jī)視覺和深度學(xué)習(xí)方法之間有明顯的折中。傳統(tǒng)的計(jì)算機(jī)視覺算法已經(jīng)成熟,經(jīng)過驗(yàn)證,并且在性能和功率效率方面進(jìn)行了優(yōu)化;而深度學(xué)習(xí)能提供更高的精度和多功能性,但是需要大量的計(jì)算資源。
那些希望快速實(shí)施高性能系統(tǒng)的用戶發(fā)現(xiàn),將傳統(tǒng)計(jì)算機(jī)視覺和深度學(xué)習(xí)相結(jié)合的混合方法可以提供兩全其美的解決方案。例如,在安防攝像頭中,計(jì)算機(jī)視覺算法可以有效地檢測(cè)場(chǎng)景中的人臉或移動(dòng)物體。然后,通過深度學(xué)習(xí)來處理檢測(cè)到的面部或目標(biāo)圖像的較小片段,以進(jìn)行身份驗(yàn)證或目標(biāo)分類。與整個(gè)場(chǎng)景、每幀深度學(xué)習(xí)相比,節(jié)省了大量的計(jì)算資源。
充分利用邊緣計(jì)算
就像使用純粹的深度學(xué)習(xí)一樣,用于視覺處理的混合方法可以充分利用邊緣的異構(gòu)計(jì)算能力。異構(gòu)計(jì)算架構(gòu)有助于提高視覺處理性能和能效,為不同的工作負(fù)載分配最高效的計(jì)算引擎。當(dāng)深度學(xué)習(xí)推斷是在DSP上執(zhí)行而不是在CPU上執(zhí)行時(shí),測(cè)試結(jié)果顯示目標(biāo)檢測(cè)延遲降低了10倍。
與云計(jì)算相比,在物聯(lián)網(wǎng)設(shè)備本身上運(yùn)行算法和神經(jīng)網(wǎng)絡(luò)推斷也有助于降低延遲和帶寬要求。邊緣計(jì)算還可以通過減少云存儲(chǔ)和處理要求來降低成本,同時(shí)通過避免在網(wǎng)絡(luò)上傳輸敏感或可識(shí)別的數(shù)據(jù)來保護(hù)用戶的隱私和安全。
深度學(xué)習(xí)創(chuàng)新正在推動(dòng)物聯(lián)網(wǎng)突破,以及將這些技術(shù)與傳統(tǒng)算法相結(jié)合的混合技術(shù)的發(fā)展。視覺處理只是一個(gè)開始,因?yàn)橄嗤脑瓌t可以應(yīng)用于其他領(lǐng)域,如音頻分析等。隨著邊緣設(shè)備變得更加智能和強(qiáng)大,創(chuàng)新者可以開始構(gòu)建此前無法實(shí)現(xiàn)的產(chǎn)品和應(yīng)用。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
即日-10.29立即報(bào)名>> 2024德州儀器嵌入式技術(shù)創(chuàng)新發(fā)展研討會(huì)
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車
-
11月14日立即報(bào)名>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
推薦專題
- 1 Intel宣布40年來最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價(jià)骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國(guó)產(chǎn)AI芯片公司破產(chǎn)!白菜價(jià)拍賣
- 5 具身智能火了,但規(guī)模落地還需時(shí)間
- 6 國(guó)產(chǎn)英偉達(dá)們,抓緊沖刺A股
- 7 三次錯(cuò)失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來
- 9 英偉達(dá)的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實(shí)力拉滿
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市