江西准分子屈光近视手术,

原标题:Intel携手智芯原动,人工智能改变安防

2017年10月29日下午13:00,“Intel人工智能改变安防”主题发布会在深圳福田喜来登大酒店隆重召开。发布会上,Intel宣布携手领先的人工智能+解决方案提供商智芯原动(ICETech)发布基于NVR和IPC的视频结构化解决方案,推出基于Apollolake CPU+GPU架构的深度学习视频结构化算法,达到全实时处理,致力于将人工智能全面部署安防物联网,推动智能安防的加速落地。

近年来,随着人工智能的快速发展,以及深度学习在人工神经网络优化方面获得的突破,人工智能的应用也拓展到多个行业。安防行业作为集高清视频、智能分析、云计算等技术融合的行业,也从单一的安全领域向多行业应用、提升生产效率、提高生活智能化方向发展,为用户提供更多基于深度学习的智能解决方案。这其中,人工智能离不开大数据和高强度的计算,而安防行业正是具有庞大数据量和复杂数据层次的领域,二者注定会在日新月异的AI发展浪潮中面临新一轮挑战。

深度学习与人工智能的现状

人工智能离不开大数据和高强度的计算,而深度学习正是凭借“大数据+大模型+大平台”的特有属性成为了人工智能的核心驱动力与技术之一。在Intel看来,让 AI 得以在不同的产业中得到充分的运用才能创造最大化的社会价值。但截至目前,关于它的研究依然处于监督学习的方式。未来,如果想在AI领域实现从技术升级迈向产业升级,则需要在计算能力突破,即人工智能的能力提升、性能和适应性不断突破。

深度学习与人工智能面临的挑战

作为人工智能应用的一种形式,深度学习在实际表现中需要不断的数据训练与算法调整,也就需要海量数据与强大计算能力的支持与存储,视频监控的成像是否清晰、传输是否高效可靠、后端的数据中心是否能够及时处理相关数据并形成有效反馈,都是安防企业首要面临的挑战。

举个例子,在安防行业涉及的数据信息类型很多。以数据的结构类型来看,包括了各类非结构化、结构化以及半结构化信息。非结构化数据主要指视频录像和图片记录,如监控视频录像,车辆卡口图片,人脸抓拍图片,报警抓拍图片等;结构化数据则包括运维数据记录,摘要分析结构化描述记录以及各种相关的信息数据库;半结构化数据则如人脸建模数据,指纹记录等。这些信息在连续不间断监控过程中,可能有用的数据仅仅有一两分钟,甚至一两秒。这些信息更新频率特别快,几乎每时每刻都在大量产生。要从这些大量的信息里快速高效的筛选有效信息,安防企业务需要具备以下能力:一是提升对非结构化信息的处理能力和效率,准确和快速地处理视频图像并提取有用信息的能力;二是针对性的改进目前的大数据处理技术以及平台框架,提供针对安防数据信息的快速检索机制,形成有针对性的海量安防数据信息处理架构,从这些大量的结构化和半结构化信息中快速检索和分析。

深度学习与人工智能技术的发展趋势

数据越发庞大,积累的商业信息越多,价值也就越大。它在为整个安防界带来机遇的同时,也提出了更高的技术要求。企业在做好安防系统和应用的同时,需要深度强化学习在机器人中的应用;同时增强网络压缩;提高研发能力,加强硬件加速器的性能,提升对海量数据的处理和利用能力,特别是目前最为迫切需要提升的视频智能应用、视频智能分析的准确度。 返回搜狐,查看更多

责任编辑:

1
【关闭】 【打印】      [责任编辑:马强]
20140606095201931.gif

版权声明:

凡注明来源为"银川新闻网"的所有文字、图片、音视频、美术设计和程序等作品,版权均属银川新闻网或相关权利人专属所有或持有所有。未经本网书面授权,不得进行一切形式的下载、转载或建立镜像。否则以侵权论,依法追究相关法律责任。
用户名: (您填写的用户名将出现在评论列表中)匿名 查看所有评论
网友评论仅供网友表达个人看法,并不表明本网同意其观点或证实其描述。
验证码: