英特爾與智芯原動(dòng)推動(dòng)智慧交通創(chuàng)新

　　優(yōu)化深度學(xué)習(xí)方案 加速車牌自動(dòng)識(shí)別 英特爾與智芯原動(dòng)推動(dòng)智慧交通創(chuàng)新。

　　不知道你是否注意到，無論是停車場的收費(fèi)、還是道路卡口的車輛違規(guī)檢測，都已經(jīng)慢慢實(shí)現(xiàn)了“無人化”：通過攝像頭等圖像攝取設(shè)備來拍攝車牌，進(jìn)行自動(dòng)化的識(shí)別，并與后端的管理系統(tǒng)對接，可以自動(dòng)的執(zhí)行車輛停車計(jì)費(fèi)、違規(guī)記錄等應(yīng)用。與傳統(tǒng)的人工識(shí)別與管理相比，自動(dòng)化的車輛識(shí)別與管理不但降低了相應(yīng)的人員成本，還有效提升了管理的速度以及精度，成為智慧交通體系中不可或缺的一環(huán)。

　　但與此同時(shí)，基于深度學(xué)習(xí)的車輛識(shí)別監(jiān)測要想滿足精度、性能的要求，需要高效的算法支持，以及大量的數(shù)據(jù)進(jìn)行訓(xùn)練。但是，針對某一場景進(jìn)行訓(xùn)練的算法往往無法充分滿足其它場景的應(yīng)用需求。以車牌識(shí)別為例，不同的國家和地區(qū)的車牌在文字、顏色、組合方式等方面都不盡相同，因此在沒有基于一定數(shù)據(jù)進(jìn)行訓(xùn)練的前提下，車牌識(shí)別算法很難遷移到其它國家和地區(qū)，這也造成了在部分市場規(guī)模較小的國家和地區(qū)，智慧交通體系的發(fā)展較為緩慢。

　　除了算法之外，算力也是影響基于深度學(xué)習(xí)的車輛識(shí)別系統(tǒng)應(yīng)用的一個(gè)重要原因，算力越高，車輛識(shí)別與檢測也就越容易達(dá)到更高的效率，也就更能適應(yīng)比較苛刻的應(yīng)用場景，如識(shí)別高速運(yùn)動(dòng)或是復(fù)雜場景中的車輛，而推理性能的增強(qiáng)則有助于加速算法的訓(xùn)練。同時(shí)，為了達(dá)到最佳的成本效益，用戶往往希望能夠以更少的節(jié)點(diǎn)承載更多的車輛識(shí)別負(fù)載，這就對性能提出了較高的要求。

　　智芯原動(dòng)車牌識(shí)別系統(tǒng)的“出?！敝?/p>

　　作為中國領(lǐng)先的人工智能技術(shù)及解決方案提供商，北京智芯原動(dòng)科技有限公司*（以下簡稱：智芯原動(dòng)），2018年被英特爾投資，一直致力于為用戶提供高效、高準(zhǔn)確率、可快速部署的車輛識(shí)別解決方案。智芯原動(dòng)的云端車款識(shí)別平臺(tái)可識(shí)別1600種左右車款，車款信息包括：品牌、型號(hào)、年代。為了滿足全球不同區(qū)域用戶對于車牌識(shí)別的需求，智芯原動(dòng)推出了車牌識(shí)別解決方案。

　　針對傳統(tǒng)車牌識(shí)別方案需要大量數(shù)據(jù)進(jìn)行訓(xùn)練、部署速度慢、周期長的缺陷，通過搭載自研車牌算法框架，智芯原動(dòng)海外車牌解決方案能夠在少量（＞1K）車牌樣本條件下快速迭代，僅需2-4周的交付周期即可實(shí)現(xiàn)新國家車牌的開發(fā)任務(wù)，且綜合準(zhǔn)確率可高達(dá)90%-95%，能夠滿足基本應(yīng)用的需求，而且隨著訓(xùn)練數(shù)據(jù)的增加，這一準(zhǔn)確率還將繼續(xù)提升。

　　在該方案中，智芯原動(dòng)使用了基于卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的車款識(shí)別方法，并通過MobileNet*、GoogleNet* 等拓?fù)浣Y(jié)構(gòu)來實(shí)現(xiàn)分類推理優(yōu)化。在智芯原動(dòng)對車牌識(shí)別算法進(jìn)行優(yōu)化之后，有助于在小樣本的前提下實(shí)現(xiàn)應(yīng)用的快速開發(fā)及部署。

　　目前，智芯原動(dòng)車牌識(shí)別解決方案已經(jīng)在加拿大、土耳其、新加坡、贊比亞、安哥拉、中國、中國臺(tái)灣、泰國、印度等二十余個(gè)國家和地區(qū)實(shí)現(xiàn)了產(chǎn)品落地。

　　智芯原動(dòng)與英特爾合作加速車牌識(shí)別應(yīng)用的推理性能

　　“要提升基于深度學(xué)習(xí)的車牌識(shí)別的推理性能，硬件以及加速工具都是非常重要的影響因素，從這兩方面出發(fā)，我們與英特爾進(jìn)行了持續(xù)的探索?！敝切驹瓌?dòng) CTO 王正表示，“在基于 CPU 的深度學(xué)習(xí)方案中，CPU的性能以及針對人工智能的技術(shù)創(chuàng)新至關(guān)重要，最新發(fā)布的第二代英特爾? 至強(qiáng)? 可擴(kuò)展處理器針對人工智能應(yīng)用負(fù)載進(jìn)行了優(yōu)化，搭載了VNNI 等技術(shù)，我們很期待通過該處理器來提升推理性能。”

　　除了使用第二代英特爾? 至強(qiáng)? 可擴(kuò)展處理器之外，智芯原動(dòng)還嘗試了在MobileNet*、MobileNet-V2*、GoogleNet*、VGG-16*等多個(gè)拓?fù)浣Y(jié)構(gòu)中，英特爾? OpenVINO? 工具套件分發(fā)版的推理性能。測試數(shù)據(jù)顯示，與英特爾優(yōu)化版本 Caffe 相比，使用OpenVINO? 在 MobileNet 系列分類推理中實(shí)現(xiàn)了28.4倍的性能提升，性能提升非常顯著。

　　之所以能夠?qū)崿F(xiàn)如此明顯的加速效果，是因?yàn)镺penVINO? 對深度學(xué)習(xí)和傳統(tǒng)的計(jì)算機(jī)視覺這兩類方法都有很好的支持，其包含一個(gè)深度學(xué)習(xí)的部署工具套件，可以幫助開發(fā)者將已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型部署到目標(biāo)平臺(tái)之上進(jìn)行推理操作。OpenVINO? 把人工智能放在邊緣做計(jì)算，通過將人工智能和異構(gòu)邊緣計(jì)算相結(jié)合，有利于提高性能，整合深度學(xué)習(xí)，加速開發(fā)、創(chuàng)新和定制。

　　“第二代英特爾? 至強(qiáng)? 可擴(kuò)展處理器 + OpenVINO? 的使用在具體的應(yīng)用實(shí)例中，能夠在視頻圖像分析中將推理性能提升到非?？捎^的程度，這不僅在車牌識(shí)別應(yīng)用中有巨大的應(yīng)用前景，而且還可以應(yīng)用于廣泛的智慧交通體系之中。通過部署優(yōu)化版的解決方案，將允許用戶部署更少的節(jié)點(diǎn)，同時(shí)支撐更多的推理負(fù)載，實(shí)現(xiàn)更低的總體擁有成本 （TCO）”，智芯原動(dòng)車牌識(shí)別項(xiàng)目負(fù)責(zé)人指出。

　　車輛檢測與識(shí)別撬動(dòng)智慧交通市場

　　在智慧交通的龐大體系中，計(jì)算機(jī)視覺技術(shù)的應(yīng)用是不可或缺的，無論是停車場綜合服務(wù)、道路管理、還是道路卡口綜合檢測，都依賴于高效的面向車輛的視頻圖像分析能力。目前來看，全球范圍內(nèi)的交通周邊產(chǎn)業(yè)都面臨數(shù)字化水平偏低的挑戰(zhàn)，企業(yè)需要拉通這些數(shù)字及信息、實(shí)現(xiàn)信息、數(shù)據(jù)共通，產(chǎn)生共有價(jià)值，這將為打造智慧交通體系，構(gòu)建智慧城市帶來巨大的契機(jī)。

　　基于計(jì)算機(jī)視覺的解決方案利用增強(qiáng)型深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)以更精密的方式獲取數(shù)據(jù)，將面向車輛識(shí)別的分析能力提升到全新水平。深度學(xué)習(xí)等人工智能方法使用經(jīng)過訓(xùn)練的算法，通過分層的神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)中的各個(gè)抽象層級(jí)進(jìn)行建模，可幫助構(gòu)建計(jì)算機(jī)視覺、自然語言處理和圖像識(shí)別等復(fù)雜流程，從交通系統(tǒng)中運(yùn)行的車輛中抽取海量的數(shù)據(jù)信息。

　　從基于英特爾? 芯片的智能攝像頭，到基于英特爾加速芯片的終端計(jì)算設(shè)備（如網(wǎng)絡(luò)視頻錄像機(jī)、網(wǎng)關(guān)、視頻分析設(shè)備等），再到運(yùn)行訓(xùn)練和分析功能的云環(huán)境，英特爾提供了非常龐大的產(chǎn)品組合以支持從攝像頭到云環(huán)境的人工智能用例。與智芯原動(dòng)的合作正是英特爾在計(jì)算機(jī)視覺領(lǐng)域龐大計(jì)劃的具體體現(xiàn)，這些合作還有望在更多的細(xì)分行業(yè)生根發(fā)芽，賦能充滿智慧的數(shù)字化時(shí)代。