向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

AI处理的视觉数据中99%是无用的?

时间:2018-11-09 作者:夏菲 阅读:
2018年,很多数据中心成立了,但同时面临一个问题,数据中心虽然可以处理大量的数据,但同时却需要损耗大量的能耗。在每4年数据量或者数据中心的规模可能会翻番的情况下, AI处理能否跟上这样的进度?此外,如此大量的数据是否都是有用的呢?

在ASPENCORE举办的2018全球CEO峰会上,Prophesee CEO Luca Verre带来的演讲主题为“AI处理的视觉数据中99%是无用的”。他指出AI处理的视觉数据中,只有1%的数据真正的是纯信息,另外99%是无用的。

049ednc20181109

为何说AI处理的视觉数据中99%无用?

数据被认为是新经济的源泉,被认为是新的能量。在过去的十年中,每年的数据都在不断增加,且每年产生数据量都比过去几年产生的数据量总和更多。衡量数据的单位也从最开始的KB、MB、GB发展到PB、TB等等,数据量越来越大,单位层级越来越高。

2018年,很多数据中心成立了,但同时面临一个问题,数据中心虽然可以处理大量的数据,但同时却需要损耗大量的能耗。在每4年数据量或者数据中心的规模可能会翻番的情况下, AI处理能否跟上这样的进度?此外,如此大量的数据是否都是有用的呢?

Luca Verre表示:“AI处理的视觉数据中99%是无用的,只有1%的数据是可被AI处理的纯信息。”

据了解,80%的大数据来自摄像头,或者说其他的拍摄装置,其中图片居多。那我们要如何从中区分出被需要的那1%的纯数据呢?

Luca Verre提出我们需要从另一个角度思考:既然99%的数据是无用的,为什么要做这么多无用的工作?

受启发于人眼与大脑的协作

与设备拍摄照片不同,人眼看东西时是与大脑协调合作的,人眼会主动捕捉动态的信息,不会关注静止的部分,大脑收集到动态信息后会快速做出相应及决定,而在这过程中,大脑的功率在25W,不仅高效还非常节能。

受此启发,我们可以模拟大脑和眼睛的工作模式,开发出新的技术与拍摄装置和AI结合起来。Luca Verre表示:“25年以来,我们已经看到了这些技术的发展,我们将这些技术整合起来得到新的方案,已经做出了非常先进的新技术。“

Prophesee打破了从海量数据中剥离数据做出决策的传统方式,改为从数据获取的过程中层层减少数据量。

Prophesee是怎么做的?

所有的视觉数据都是由传感器在预定的节奏上去获取到的,那些关键的视觉信息必须从原始数据中一层一层地被提取出来。

像人的眼睛和大脑一样,Prophesee的视觉系统依赖场景动态学,并使用到关于时间、关于能量、关于计算成本等方面的种种参数综合考虑,只捕捉那些关键的信息,这种方式非常智能。

Luca Verre介绍:“按照我们这种新的方案,我们可以让人与机器和谐共存,在自动驾驶的情况下可以100%的避免事故,在那些需要永远打开的监控系统上也可以实现很高的安全性和效率,无人机也可以以一种近乎直觉的方式避免碰撞,及时速度很高。”

043ednc20181109

不仅如此,失明的人也可以借Prophesee的视觉系统恢复视觉。Luca Verre称:“我们第一款产品是2011年做出来的,是一款眼镜。一位失明的男士重新见到光明,从那时候开始,我们一直找新的应用场景,在汽车、手机等等领域都有应用的前景。”

2015年,Prophesee筹集到500万美元,进一步拓展汽车领域、消费电子领域等的场景应用,华为也是他们的合作伙伴之一。

改变传统的数据收集和处理方式

Luca Verre表示:“我们要改变传统的数据收集和处理方式,从而在视觉领域做出更多的贡献,实现更多的突破。”

150年前一位英国人发明了摄像机,通过捕捉一系列连续的画面,将画面连接起来才形成了类似连续的一段影像。后来我们有更先进的视频拍摄技术,但我们仍然将视频视作一系列的图片,尽管图片的数量会越来越多,甚至无限多的。换而言之,在这过去的150年时间中,我们其实一直都在使用传统的方式来捕捉影像。

044ednc20181109

在AI时代,图像传感方面能否带来颠覆性的变化呢?

对于自动驾驶而言,AI需要让汽车检测到种种障碍,绕开障碍,使汽车意识到道路上有其他的汽车和行人,避开危险,要实现这点要收集很多数据。Luca Verre表示:“传统的方法收集数据量太大,使用我们的方法可以减少无效数据的收集,将资源放在最有用的地方,效率可以大幅度提升,安全性也可以大幅度提升。”

数码相机每秒大概30帧,因此在高速运转情况下有些图像是模糊的,但若将精细度提高则会面临消能变高的问题。

Luca Verre表示:“我们的方法可以提高这些方面的表现。通过过滤90%以上的无用信息,能很好的节省能源,也能达到很好的效果。通过我们的解决方案能很好的跟踪相关的进展,就如同产生这样的效果,把无用的信息过滤掉,你可以产生这样的图像。与此同时,随着时间更新,我们也可以看到不断更新的信息,你就可以看到你所需要的东西。”

Prophesee视觉系统的应用

下图是传统的摄像机和Prophesee的解决方案的对比,红色是传统摄像机,蓝色则是Prophesee的解决方案,红色的动作很卡顿,不流畅,而蓝色的部分在整个汽车行进的时候非常顺畅地向前行驶。

047ednc20181109

在汽车的行驶中,是以实时的方式、不断变动的方式去了解它的状态,而不是左图所显示的卡顿情况。从安全的角度来说,左图的卡顿形式无法满足汽车行驶中的安全性要求。但通过Prophesee的超高速相机可以看到不同场景下的转换非常流畅的情况,在实时操作游戏的时候可以应用相关图像的处理,了解周围场景的情况。

Luca Verre表示:“由于我们主要是抓取关键性信息,你看到的图像可能不是非常漂亮,是周围景物都包括的图像。我们关注的,一是抓取真正有意义的图像,二是节省能源。”

046ednc20181109

而对于工业行业而言,传统计数的时候要通过数码相机来了解,而且要有一定光线的限制,光度强弱的限制,这需要耗费很多的能源,能耗会比较高。Prophesee的方案则可以大大降低成本。

048ednc20181109

Prophesee今年夏天上线的产品

Luca Verre表示:“现在的数据可以说是新形式的石油,是非常珍贵的。我们需要不断抓取有用的数据,同时,要使我们的数据真正有用,且能够去服务我们。正如同可再生能源一样,这些数据都是能够通过我们的分析和处理进行重新再利用的。这就是我们产品很好的特性。”

 

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
夏菲
电子技术设计(EDN China)助理产业分析师
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 自动驾驶的安全能作为“独特”卖点吗? 在SAE中国自动驾驶汽车安全技术大会上,我在主持圆桌论坛时问了各位专家一个问题:“在你从自动驾驶测试中得到的数据中,哪些数据或教训是您愿意与其他汽车公司分享的?” 这个问题引起了长时间的沉默。圆桌嘉宾们不安地看着对方。
  • AMD的AI策略与Intel和Nvidia有何不同? 在美国硅谷举办的Hot Chips 31上发布的两款最大芯片引人注目。分别是Cerebras最大的深度学习芯片WSE,还有赛灵思发布全球最大的FPGA。Intel发布的两款AI芯片Nervana NNP-T/NNP-I同样备受关注。不过,AMD在Hot Chips期间并没有获得巨大的关注,这或许是因为在当今AI大热的情况下,他们采用“观望式”的AI策略。
  • 5G下的ARM与边缘计算浪潮 科技界2019年最热的一个话题应该算是5G和AI,5G将在未来10-20年内成为互联网的基础设施,也是下一代互联网的基石。今年ARM公司的主题是把人工智能的体验带到5G。在5G基础设施中,影响最大的是边缘计算。
  • 华为发布AI处理器昇腾910,号称业界算力最强 华为在深圳坂田总部发布正式商用的AI芯片——Ascend 910(昇腾910),以及与之配套的新一代AI开源计算框架MindSpore!昇腾910、MindSpore的推出,标志着华为已完成全栈全场景AI解决方案(Portfolio)的构建,也标志着华为AI战略的执行进入了新的阶段。
  • 华为AI芯片的“秘密武器”:达芬奇架构实力究竟如何? 2019年6月,华为发布全新8系列手机SoC芯片麒麟810,首次采用华为自研达芬奇架构NPU,实现业界领先端侧AI算力,在业界公认的苏黎世联邦理工学院推出的AI Benchmark榜单中,搭载麒麟810的手机霸榜TOP3,堪称华为AI芯片的“秘密武器”,这其中华为自研的达芬奇架构举足轻重。那么,达芬奇架构AI实力究竟怎么样?一起来深入了解下。
  • 世界最大FPGA芯片来了!包含350亿晶体管 它是一款“Chip Maker’s Chip”(为芯片制造商打造的芯片),主要面向最顶级ASIC、SoC芯片的仿真和原型设计,以及测试、测量、计算、网络、航空、国防等应用领域。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告