人工智能技術(shù)如何在保護(hù)文物上有奉獻(xiàn)

科技正在以一種近乎革命性的手段解決生活中真實(shí)存在的難題。人工智能的出現(xiàn)，重新定義了文物保護(hù)，克服了傳統(tǒng)方式中的困難和挑戰(zhàn)，以更快、更高效的方式解決憑借人力無(wú)法解決的問(wèn)題。

通過(guò)英特爾人工智能技術(shù)、深度學(xué)習(xí)技術(shù)、無(wú)人機(jī)技術(shù)等，如果實(shí)現(xiàn)對(duì)于箭扣長(zhǎng)城的保護(hù)與修繕？ 　　英特爾人工智能傳承長(zhǎng)城奇跡

-無(wú)人機(jī)高精度圖像采集：因?yàn)殚L(zhǎng)城的跨度很大，修繕之前首先需要進(jìn)行環(huán)境勘測(cè)。傳統(tǒng)的辦法是通過(guò)尺子測(cè)量以及目測(cè)，很難做到精準(zhǔn)。通過(guò)英特爾?獵鷹8+（Intel? Falcon? 8+）無(wú)人機(jī)，工作人員能夠近距離航拍到長(zhǎng)城的一磚一瓦，可以獲取高分辨率圖像，幫助文保人員清晰、全面了解長(zhǎng)城現(xiàn)狀。

-基于英特爾? 至強(qiáng)處理器的3D建模和損毀檢測(cè)： 這個(gè)過(guò)程包含了多個(gè)算法和步驟。根據(jù)無(wú)人機(jī)采集的數(shù)據(jù)，采用英特爾? 至強(qiáng)處理器能夠快速分析處理上萬(wàn)張圖片，并計(jì)算出破損的長(zhǎng)度和寬度，規(guī)劃修繕?biāo)璨牧?，并提供裂縫和塌方等破損的測(cè)量數(shù)據(jù)用于指導(dǎo)物理修復(fù)。有了這些數(shù)據(jù)，修繕團(tuán)隊(duì)就無(wú)需再現(xiàn)場(chǎng)測(cè)量，而是可以通過(guò)AI算法得到最終需要的時(shí)間、人力、物力和成本。

-基于人工智能和深度學(xué)習(xí)技術(shù)的數(shù)字化修復(fù)：在3D模型損毀識(shí)別基礎(chǔ)上，利用最新的3D模型對(duì)抗生成網(wǎng)絡(luò)，以及回歸卷積網(wǎng)絡(luò)，對(duì)城墻缺損部位進(jìn)行數(shù)字化修復(fù)，并據(jù)此對(duì)實(shí)際的長(zhǎng)城修繕和維護(hù)提供指導(dǎo)和參考數(shù)據(jù)。

這將是一個(gè)全新的探索，先進(jìn)的無(wú)人機(jī)航拍和人工智能技術(shù)參與文物建筑的修繕和保護(hù)，英特爾的計(jì)算技術(shù)深度參與其中。數(shù)據(jù)顯示，僅僅700米的長(zhǎng)城城墻，獵鷹8+無(wú)人機(jī)采集了上萬(wàn)張高分辨率圖像，原始數(shù)據(jù)超過(guò)200GB，整個(gè)處理過(guò)程會(huì)頻繁訪問(wèn)這些數(shù)據(jù)，還會(huì)產(chǎn)生超過(guò)100GB的中間和仿真數(shù)據(jù)，即便是高性能的計(jì)算，處理如此龐大的數(shù)據(jù)量也極其復(fù)雜。

解決方案還涉及多種AI算法，包括視覺(jué)特征抽取與索引，相機(jī)參數(shù)恢復(fù)，光束平差（bundle adjustment），稠密匹配，幾何模型網(wǎng)格生成，深度神經(jīng)網(wǎng)絡(luò)2D及3D模型訓(xùn)練，紋理合成等。

英特爾的方案是，基于Xeon至強(qiáng)可擴(kuò)展處理器，英特爾固態(tài)盤(pán)，同時(shí)結(jié)合OpenMP/MPI并行優(yōu)化技術(shù)，采用針對(duì)英特爾CPU優(yōu)化的英特爾?深度神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)核心函數(shù)庫(kù)（MKL-DNN），以及面向英特爾架構(gòu)優(yōu)化的深度學(xué)習(xí)框架Tensorflow等工具，高效地實(shí)現(xiàn)長(zhǎng)城3D建模和數(shù)字化修復(fù)，并達(dá)到厘米級(jí)精度的效果。

整個(gè)長(zhǎng)城3D建模和數(shù)字化修復(fù)過(guò)程中，需要進(jìn)行大規(guī)模的方程迭代計(jì)算，其中一些基于大規(guī)模稀疏矩陣的方程求解會(huì)存在收斂穩(wěn)定性問(wèn)題。這個(gè)時(shí)候，大規(guī)模矩陣計(jì)算庫(kù)MKL的作用就凸現(xiàn)了，它不僅能夠提升計(jì)算效率，還能夠大大提高復(fù)雜計(jì)算的穩(wěn)定性。

如今，英特爾開(kāi)發(fā)的MKL-DNN庫(kù)已經(jīng)廣泛應(yīng)用在Tensorflow，Caffe等流行的深度學(xué)習(xí)框架中?？梢哉f(shuō)，針對(duì)深度學(xué)習(xí)領(lǐng)域不同算法實(shí)現(xiàn)的解決方案中，英特爾至強(qiáng)架構(gòu)是能夠全面高效、低成本支持這么多種算法的唯一選擇，并可以明顯提高人工智能修繕長(zhǎng)城的效率和速度。

有了更領(lǐng)先的技術(shù)和更精準(zhǔn)的數(shù)據(jù)，我們創(chuàng)造了更快、更高效的解決問(wèn)題的辦法，幫助各行各業(yè)解決那些尚未解決的問(wèn)題。