在近期舉辦的GTC 2017第八屆GPU技術大會上, NVIDIA(英偉達)與專注於電腦視覺和深度學習的企業商湯科技(SenseTime),上演了一場“人工智慧二重唱”,為人工智慧技術的進步帶來了更多新思路。
英偉達GPU:通往人工智慧的計算大腦
GPU,即圖形處理單元,它賦予了電腦強大的圖形處理能力,推動著遊戲、影視、工業設計等行業發展。 10年前,CUDA的問世將GPU應用提升到了全新高度,憑藉卓越的平行計算能力,使其在高性能計算、物理類比等領域發揮出更大價值。 而在隨後的幾年時間裡,不論是新建的超級電腦,大型資料中心,GPU都起到了至關重要的作用。
2012年,基於GPU的AlexNet在ImageNet大規模視覺識別競賽中獲勝,將準確率大幅提高,這是近年來人工智慧迅速發展的里程碑事件,而這,也引爆了GPU在深度學習領域的大規模應用。
在現代人工智慧崛起的這幾年當中,NVIDIA先後推出了TITAN X、Tesla P100等等用於深度學習的GPU產品,其每一代都實現了兩倍甚至更高的深度學習性能提升,本次最新發佈的Tesla V100更將其提升到了新的高度。 同時,NVIDIA推出的DevBox、DGX-1等深度學習系統,更讓相同的訓練任務,從幾個月,縮短到幾周,幾天甚至幾個小時。
目前,不僅是商湯科技,如阿裡巴巴、百度、騰訊、Facebook等等世界頂尖AI企業,都在使用NVIDIA GPU進行深度學習訓練和推斷,而NVIDIA Jetson TX1/TX2、NVIDIA DRIVE等平臺的推出,也為智慧城市建設、自動駕駛等,鋪平道路。
商湯演算法:驅動強大AI大腦的運算邏輯
自成立之初,商湯科技便堅持自主研發,牢牢將人工智慧演算法技術掌控在自己的手中。 2011年,商湯科技創始團隊便開始大規模投入深度學習研究,並率先將深度學習應用於電腦視覺領域。 商湯科技從演算法層出發,打造了原創深度學習框架,結合其投入超過4000萬自主搭建的深度學習超算平臺,極大降低AI系統和新技術的研發時間和成本。
深度學習框架好比生產深度學習模型的流水線,走自主設計的路線儘管難度大,但方向自主可控,可以非常方便的升級和改進,用於生產新的模型。 相比之下,借助協力廠商的生產線,儘管易於上手,但在修改調試時往往會有一定的限制。 商湯科技在ImageNet 2016上憑藉1207層神經網路架構,贏得三項視覺識別專案的冠軍,正是憑藉其原創的深度學習框架所建立的優勢,而這套網路在其他協力廠商框架上則無法支援。
“我們還能訓練非常深的網路架構,網路層數越深,學習能力越強,結果就越精准”,徐立博士表示,“此外,通過設計更加複雜的神經元資訊傳遞機制,在同等深度下,我們可以訓練更強的神經網路；我們還可以在不損失識別精度的情況下,把網路進行成百上千倍的壓縮和加速,讓整個訓練過程速度更快,功耗也可以得到進一步降低。 ”
不難發現,自主、可控、靈活是商湯技術優勢的代名詞。
GPU計算能力 商湯演算法,迸發多彩創造力
商湯科技的SenseFace,便是英偉達GPU和商湯上千層神經網路架構充分協作的最典型代表!它可以支援千路以上監控視頻中即時人臉識別,並在千萬級人員庫中300ms內獲得識別結果!在光照、角度、表情、遮擋、年齡變化等情況下,其準確率也處於行業領先水準。 如此強悍的功能,現在還被成功部署到Jetson平臺上。 憑藉NVIDIA提供的cuDNN和加速深度學習推斷的TensorRT庫,SenseFace在單個Jetson TX1上,即可支援2路全高清視頻的即時處理!SenseFace的推出,不僅可為反恐任務提供事前、事中與事後的技術保障,更可用于失蹤人員查找、VIP客戶管理以及商業智慧資料服務等應用。
SenseVideo視頻結構化系統,是商湯科技在ImageNet 2016中獲得場景分析第一名的深度學習模型的實際應用成果。 基於GPU所訓練的1207層神經網路,讓機器能夠看懂機動車、非機動車、行人的屬性並跟蹤,甚至獲得車牌識別、車型分類的能力,成就未來的智慧交通應用。 同樣,得益於NVIDIA cuDNN和TensorRT,SenseVideo在單個Jetson TX2平臺上即可即時處理雙路高清視頻。
如果說在視頻監控領域,商湯科技和英偉達的“AI二重唱”在帶來智慧化的同時,放大其應用規模,那麼在個人消費場景中,帶來的則是全新的應用模式。 商湯科技此次首次展示的SensePose,正是這一路徑的得力體現。
以往,進行人體動作捕捉,都需要借助雙攝像頭,或帶有額外傳感裝置的攝像頭實現,而SensePose可以讓最普通的攝像頭,實現人體動作估計的能力,就像變成Kinect一樣。 其背後,正是來自商湯針對視頻分析的演算法優化,以及英偉達DGX-1進行訓練,並最終實現在視頻中即時識別人體姿態,定位手、肩、腳、腰等十幾個關鍵點位置,更可精准的把關鍵點定位在10個圖元以內的人體關節上。SensePose無疑可以降低動作估計系統的成本,可以大規模應用在虛擬穿戴、虛擬試衣等前沿應用領域。
目前,人工智慧正處於飛速發展的時代,每一年都會有性能更強的深度學習硬體平臺推出,與之匹配的演算法也在不斷反覆運算更新。只有將二者充分結合,保持演算法的持續領先,不斷突破,方可立於不敗之地。
其背後,正是來自商湯針對視頻分析的演算法優化,以及英偉達DGX-1進行訓練,並最終實現在視頻中即時識別人體姿態,定位手、肩、腳、腰等十幾個關鍵點位置,更可精准的把關鍵點定位在10個圖元以內的人體關節上。SensePose無疑可以降低動作估計系統的成本,可以大規模應用在虛擬穿戴、虛擬試衣等前沿應用領域。目前,人工智慧正處於飛速發展的時代,每一年都會有性能更強的深度學習硬體平臺推出,與之匹配的演算法也在不斷反覆運算更新。只有將二者充分結合,保持演算法的持續領先,不斷突破,方可立於不敗之地。