中科創達孫力：不迷信 AI 算法，智能視覺如何轉型升級？

出品 | AI科技大本營

近日，中科創達副總裁孫力在 Thunder World 2018 嵌入式 AI 人工智能技術大會上發表了主題演講，主要分享了以下三方面內容：

視覺的傳統技術和挑戰

嵌入式視覺+AI=智能視覺

智能視覺賦能行業的智能化升級轉型

視覺的傳統技術和挑戰

以手機相機為例，孫力講述了其視覺系統的復雜性。無論是底層驅動、核心算法的曝光、對焦，到最后視頻處理，相機的系統架構異常復雜。如果要做一個優秀的圖像處理系統，面臨攝像頭模組的光學特性、圖象處理的算法、芯片加速、畫質調優等各方面的挑戰。

另一大 麻煩是硬件碎片化，不同的操作系統要對畫質做一些復雜的調優流程（實驗室和實際生活場景），此外需善用硬件加速，解決功耗和性能問題。

中科創達在畫質調優方面的競爭力是調試整個圖像的 Pipeline 和 3A ，包括亮度、白平衡、對比度要精準對焦，不斷進行調試，做大量畫質的調優，以產生最優圖像采集。調試過程分成三個階段：第一，先把基礎的軟件、驅動做好；第二，實驗室 tuning，包含 LSC, AWB, AE, Gamma, 對比度增強, CCM, DPC 等等；第三，真實場景 tuning，與參-對比拍攝。

他以汽車 ADAS 芯片為例講述了要滿足高畫質要求可能達到的技術趨勢，首先是從外置的 ISP，到 Bayer sensor 的轉變，目前主流的方案是用外置的 ISP，但在汽車里會經歷類似于手機從功能機到智能機的演變。孫力稱，在自動駕駛芯片的圖像處理部分中科創達已有一定布局。

嵌入式 AI 算法應用的挑戰

目前很多算法都基于 2D 技術，但3D 技術會越來越普及。孫力指出，這主要取決于以下四個問題的解決：BOM 的成本，由于規模化的問題，還沒有降低到平民化；其次，多種的光學設計，碎片化（ToF、結構光、雙目、主動雙目等）；嵌入式的 SoC 的 depth map 的運算能力（pc 輔助到嵌入式 ARM based）；多套使用的完整建模問題；RGBD，基于 3D 的人工智能學術進展。中科創達要解決的是圖像質量問題，比如寬動態/HDR、降噪，導入 AI 技術來解決圖像質量問題。

嵌入式 AI 算法挑戰主要在哪兒？孫力給出了三點：計算資源有限，終端處理平臺碎片化；另外應用場景和需求多樣化，準確率、速度等方面也需要做出取舍。

具體的優化策略是什么？在他看來，最重要的還是要做深度結合的系統化設計。硬件上，在滿足功耗、發熱等限制條件的前提下，實現 AI 運算加速引擎，其次是 DSP/GPU/NPU 等芯片的加速，同時要與芯片平臺進行深度合作。

而軟件方面，最核心的是降低算法模型的計算量，這需要設計適合的嵌入式平臺的模型架構，裁剪模型，與場景的深度整合和適配優化以及共享深度學習模型中的超參數。

大會現場，中科創達展示了基于驍龍 845 芯片的終端智能分析盒子 AI Kit。

智能視覺賦能行業的智能化升級轉型

從智能視覺賦能行業方面，他的感受有三點：第一，客戶一定期望有一個整體解決方案，而不只是 AI。在整個過程中要幫客戶考慮數據獲取、數據隱私、訓練、私有云部署、生產管理系統等等。

第二，客戶衡量 AI 的價值不是多么高大上，而是根據生產力提升，運行效率優化，及經營業績能承受的預算能力來進行反推，這和目前昂貴的 AI 投入成本是個矛盾。

第三，行業客戶的工作流程，部門職能等還未能圍繞先進生產力來進行部署和優化，客戶期望一次性投入建設一個人工智能平臺，可以一勞永逸否認自我訓練，升級和部署，對比于現在需要定制化的算法，未來圍繞需要解決的領域問題，少數的人力服務于算法的流程需要被建立。

最后，孫力再次強調，要給客戶提供整體解決方案，要從 AI 模型的構建到整個生命周期管理起來，而不僅是提供算法。另外，他表示不能太迷信 AI 算法，有時還要用傳統圖象處理算法，最終的目的是幫客戶解決問題。

---------------------

來源：CSDN

原文：https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/85092970

機器視覺 AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。