400-123-4567

在刚完结的2019国际智能科技峰会上，华为诺亚方舟实验室计算机视觉首席科学家田奇教授公开发表了以《大算力大数据时代的计算机视觉前沿探寻》为主题的演说，并且在随后的媒体交流环节公开发表了自己对于AI算法、数据、算力等方面的观点。自2018年6月份底重新加入华为诺亚方舟实验室，并兼任计算出来视觉首席科学家，田奇教授之后仍然主导诺亚方舟实验室视觉方向的前沿研究，建构华为在各视觉业务下的算法竞争力和护城河。然而田奇教授和华为诺亚视觉实验室成员仍然都十分高调，媒体曝光率较较少。

华为诺亚视觉实验室明确的研究方向和最新进展等涉及信息也无法从网络上取得。下文融合田奇教授在大会上的演说以及媒体交流会上所交流的观点，分别从诺亚方舟实验室在计算机视觉领域的主要研究方向、涉及研究成果、以及田奇教授对于人工智能产业发展的观点等角度进行讲解，对华为诺亚方舟实验室正在积极开展的工作带给多角度的演绎。诺亚方舟实验室六大CV研究方向及涉及挑战目前，华为享有着多达18万名员工，在全球170多个国家经营业务，2018年营收额高达1085亿美元，并且顺利挤身财富500强劲第72位。

在华为高速快速增长的企业财富以及极强的业务布局能力背后，尤为关键的一股力量要数华为遍及全球各地的14个研发中心。作为华为的AI研究中心，华为诺亚方舟实验室乃是这14大研究中心当中不可或缺的一员，同时也支撑着华为打造出世界顶级人工智能实验室、协助公司以及整个产业构建AI战略转型的宏大愿景。以田奇教授为代表的AI研发人员主要专心于诺亚方舟实验室计算机视觉领域的研究。据田奇教授讲解，诺亚方舟实验室在计算机视觉领域的研究主要分成六个方向，它们分别是：底层视觉、3D视觉、语义解读、数据分解、视觉计算出来、视觉与多模态的融合。

第一个研究方向是底层视觉，该部分的研究课题主要致力于提高照片体验。目前低分辨率和噪声是影响照片体验的最重要因素，虽然对已摄制的照片展开超分和去噪可有效地提高用户体验，但是也不存在噪声统计资料特性难以估计、多重处置后完整图像和噪声无法完全恢复、图像发育模糊不清之后还原成无以等缺点。第二个研究方向是语义解读。图像视频内容中一般来说包括着非常丰富的语义信息，诸如扔到东西、盗窃等个体不道德以及聚会、打架等群体事件。

因此，语义解读技术的发展能为五谷丰登城市、终端视觉等业务带给极大的商业价值。但目前涉及技术的发展也不存在一些挑战，一方面，同类事件之间的有所不同展现出不道德容易识别；另一方面，有所不同场景当中的相近不道德有可能代表的语义不完全一致。第三个研究方向是3D视觉。

相比于二维数据来说，三维数据中蕴含着更加非常丰富的信息，因此也被完全一致指出是计算机视觉的未来。但是三维视觉发展也面对着众多挑战，以医疗影像为事例：医疗影像的数据标示必须十分专业的科学知识，在大数据时代，提供具备精准标示的医疗数据艰难且便宜；此外，医疗影像当中区分长时间样本和不长时间样本可玩性较小，譬如必须对一些器官恶性肿瘤的微小之处展开辨识。

此外，视频数据当中不存在大量的校验信息，如何从这种海量的校验信息中挖掘出简单的信息也是一个相当大的挑战。第四个研究方向是数据分解。

非常丰富的数据是算法研究的确保和基石，但是在实际场景当中，由于版权和隐私等容许不会造成数据提供可玩性大、人工标示成本高等问题。如何通过低成本的方式提供简单的数据早已沦为了行业发展的重中之重。通过现有的数据分解技术分解的数据大多不存在图像质量劣、同质化现象相当严重等问题。第五个研究方向是视觉计算出来。

视觉计算出来是深度自学应用于落地十分最重要的一环，现在行业内有两个研究较为多的课题方向：一个是现有网络模型的传输与加快，另外一个就是自动搜寻新的网络结构。由于目前边缘计算出来的算法比较独立国家，行业缺少统一的平台，调用极为艰难，而且行业内更加缺少一些针对特定视觉任务的网络传输与加快算法，这造成了这一课题研究方向不存在极大的挑战。此外，现在神经网络人工建构策略费时费力，虽然网络结构搜寻需要在一定程度上解决问题这一问题，但是其在算法和效率上仍有较小的变革空间。

第六个研究方向是视觉与多模态。真实世界中的数据不存在语音、文字、图片、视频、雷达激光等有所不同的模态形式，有所不同模态的数据在计算机世界之中的互相切换早已沦为了一门专业学科。目前融合多模态信息的方案往往面对数据异质性问题，即有所不同模态的信息无法统一回应；此外，评估多模态数据之间切换性能的准则较为主观，无法很好地展开客观评价。

这些方向正是必须行业增大研发力度的地方。五大CV技术创新，田奇团队的行业“药方”探讨于计算机视觉研究的六大方向，面临行业明确提出的挑战以及新的难题，田奇教授及其团队成员大力攻克难关，通过新的算法以及解法模式得出了新的行业药方——诺亚方舟实验室得出了在神经网络结构搜寻（NAS）、目标检测、行人再行辨识、网络传输、三维物体检测等方面的技术解决方案，并获得了高于行业的突破性创意成果。

在神经网络结构搜寻方面，现有方法的搜寻网络与测试网络不存在较小深度差异。如CMU和DeepMind牵头明确提出的DARTS方法中，搜寻网络只有8个单元，但是测试网络有20个单元。

然而，在较深的搜寻网络中搜寻到的结构不一定合适较深的测试网络。如果必要减少搜寻网络的深度，又不会造成RAM发生爆炸的问题。回应，华为明确提出一种新的网络搜寻方案。据报，目前华为这一方案搜寻到的网络结构在CIFAR10测试获得2.55%的错误率，迁入到ImageNet上在移动设置下获得24.5%的Top-1错误率。

这种新方法同时很大地减少了搜寻支出：相比于在ICLR 2019上公开发表的工作DARTS（搜寻时间必须4GPU天），的新方法搜寻过程仅有须要0.3GPU天，却能获得更佳的性能。作为计算机视觉十分基本的技术，目标检测对大量应用于都具有普遍的影响力。

目前的物体检测框架主要分成单阶段方法和两阶段方法，前者速度更慢而后者精度更高。目前最差的单阶段检测方法基于关键点的检测，并且通过角点的人组，确认目标板。但是这种方法很难感官物体内部的信息，造成网络分解很多的错误目标板。

为此，华为明确提出了一种利用物体中心点去检测物体目标板的方法，引进一个中心关键点，以检验检测出有的目标板。如果以此类推的目标板的中心区域还包括某个物体的中心点，则该目标板即为有可能是准确的目标板，否则该目标框将被除去。

实验结果表明，在目前最不具挑战性的MS-COCO数据集上，该方法多达了所有未知的单阶段检测方法，并大幅领先，领先幅度最少超过4.9%，完全超过当前最差的两阶段检测方法的准确率。该方法目前已开源，并且取得了业界同行大量注目。行人再行辨识技术在五谷丰登城市、智慧园区等领域具有普遍的运用。

当前行人轻辨识数据标示方法不存在着标示无以、成本高等问题，为此，华为明确提出新的行人轻辨识解决方案来大幅度减少标示成本，使得需要在新的场景中较慢部署行人轻辨识模型。从实验结果来看，华为的行人再行辨识技术，在很弱监督场景下的准确率获得了明显的提高。网络传输对末端外侧设备上的应用于具备根本性价值。目前业内在不损失精度的情况下可超过数倍的传输加快比，但是由于隐私、法律、传输等方面的原因，用作传输训练的数据经常不能取得，更进一步提高了该问题的可玩性。

华为在没原训练数据的情况下，使用分解网络获取训练数据，设计损失函数来获得和现实图片超过完全相同近似于产于的数据用作训练，并做到网络传输。从获得的结果来看，在MNIST上，对LeNet-5架构的传输可以维持98.2%的准确率，打破之前最差的算法6%，相似用于现实数据的压缩算法所取得准确率。对于可普遍运用于无人驾驶当中的三维物体检测而言，远处物体二维图像上较小的偏移量之后不会造成三维空间上极大的偏差，但是有数的算法很难超过十分低的三维覆盖率。

华为明确提出利用增强自学方法来展开轴向矫正。从实验结果来看，在KITTI鸟瞰图评估和三维物体检测数据集上，华为明确提出的方法相比于当前最差算法Mono3D和Deep3DBox性能提高了6%左右。

深度自学仍在变革，算法与算力是相辅相成的在演说完结后的媒体交流环节，田奇教授讲解了涉及技术以及研究在明确场景当中的运用，并且公开发表了自己对于算力、算法等方面的观点。基于华为昇腾芯片，华为数据生态等多方面的资源承托，田奇教授率领诺亚方舟实验室涉及人员在计算机视觉多个领域积极开展研究，并最后将一系列研究成果运用于还包括手机终端、智慧医疗、五谷丰登城市、安防、数字娱乐等实际的场景当中。田奇回应：“我们主要致力于通过我们的创意研究，使机器具备感官和解读周围世界的能力，并最后构建我们的商业价值。”最近一段时间以来，深度自学技术发展缓慢或者到了一定瓶颈的众说纷纭也一度沦为各界人士辩论的话题。

在田奇教授显然，前两年深度自学火热一起只不过与之前的长年累积造就，只不过是大家到了愈演愈烈的阶段才注目而已，目前深度自学也仍然在大大地发展和变革。由于算力的提高，人工智能技术的发展也获得了极大的变革。目前业内经常出现了AI发展该重算力还是轻算法的辩论，田奇教授针对这一问题阐释了自己的观点，其本人回应：“在终端的运用上，算力的提高为大量的算法以及数据运算获取了便捷，使得更好的算法有了用武之地；同时，超大型算法的训练与解法又依赖算力的发展。

然而，没较好算法的明确提出，算力的价值也无法反映。算力就像电、而算法就像发明者的电灯泡一样。所以全然的算力平等主义或者是算法平等主义的众说纷纭都是错误的，算法与算力的关系只不过堪称一种交错融合、相辅相成的状态。

只是从学界和产业界来看，目前高校里面更加侧重算法的研究，而企业界因为不具备大量的算力，于是比较更加偏向于对算力的倚赖。

本文来源：开云·手机app-www.xiguaf.com