物联网进程上的又一关键节点

关于英特尔OPENVINO的八大猜想

eFashion Magazine - - 第一页 -

过去数年中,我们一再提出对物联网的展望和设想,作为科技巨人的英特尔,同样也提出了自己的思路— —我们将跨入万物智能互联的新时代。所以在2017年7月的一场名为“智能端到端,英特尔变革物联网”的关键性策略发布会上,英特尔公布了最新的视觉处理技术及研究进展,还展示了当前业界最具影响力及效率的视觉处理解决方案。整个方案中,最为关键的便是OPENVINO工具包,如果用一句话来描述,这个工具包便是为了加速深度学习并将视觉数据转换为应用需求而生,换一句话便是可以帮助企业业在边缘侧快速实现高性能计算机视觉与深度学习的开发,可以说是视觉智能化的一大重要创新路径。

Openv INO全称为开放式视觉推理和神经网络优化(Open Visual Inference & Neural Network Optimization),其前身是英特尔计算机视觉Sdk(computer Vision SDK),通过工具包中集成的三个全新API:深度学习部署工具包、通用的深度学习推理工具包以及Opencv和openvx的优化功能,支持Tensorflow\mxnet和caffe框架。顾名思义,OPENVINO的推出,标志着英特尔将计算机视觉与AI完美融合,并且是全开放式的融合。

对于OPENVINO这样一个技术化程度相当专业的名字,或许普罗大众很难对其有深刻了解,但并不意味着我们就与其绝缘,事实上,国内已经有众多站在科技前沿的厂商在该领域上与英特尔建立了深层的合作,为了方便大家了解,我们也希望用简单明了的话语来描述其地位与技术路线,甚至是对我们生活的影响— —在我们看来, OPENVINO不仅是英特尔视觉解决方案和策略的关键,甚至也是影响物联网发展进程的关键节点。

猜想1:英特尔为何选择视觉技术作为智能物联网的突破口

在整个物联网产业链上,涵盖了通信、识别、运算等多项领域,应用其中的技术也数不胜数,英特尔在其不涉入的领域也很多,为何要在智能端到端的物联网领域上,通过视觉发起这场AI革命呢?

作为一家数据公司,英特尔一直都在发掘和利用各项数据需求,并认为未来十年的市场红利将由数据洪流带来。在视觉技术上,英特尔更是有着别人无法比拟的优势和清醒的认识。英特尔副总裁兼物联网事业部中国区总经理陈伟博士便谈到: “之所以选择专注于视觉战略,首先是视觉处理市场不断蓬勃发展的数据挤压到了存储和宽带的要求,因此在边缘计算端有极大的需求,英特尔很早以前就看到了这个态势,因此一直致力于云端和边缘端两方向同时发展,实现边云协和的分布式架构。当前的市场,由于计算分析能力和存储能力所限,所以很大部分数据被浪费掉了,并没有进行深 度挖掘,英特尔以边缘计算技术切入数据分析领域,将为整个市场带来革命性的变化。而通过视觉技术革命,将打开深度学习市场,据统计这个市场在2016年仅有6.55亿美元的规模,预计到2025年将增长至350亿美元。”

一方面,是视觉技术市场有着巨大的数据开发潜力,另一方面是英特尔近年来在视觉上的重要投资使其拥有更深的技术底蕴,一方面是市场催生更新的技术;另一方面是创新技术需要落地,从而促成了英特尔的选择。

猜想2:英特尔关注视觉哪些领域?

如果我们将这个问题换一个提法,英特尔关注视觉处理的哪些领域?这个问题便能引刃而解了。为此我们特别向英特尔中国销售总经理王稚聪询问,他表示英特尔计算机视觉解决方案主要面向六大应用场景:

交通监控——采用英特尔F P G A和Movidius VPU的摄像头可捕捉数据,并自动将其发送至下游十字路口系统,帮助交通部门优化交通和做好规划。

公共安全— —借助使用OPENVINO工具包开发的Myriad VPU和算法,经过训练的深度神经网络现在可利用推理功能通用面部识别分析并识别失踪人群。

工业自动化— —英特尔视觉解决方案可帮助智能工厂融合OT和IT,重塑工业业务模式和增长战略。

机器视觉— —借助人工智能增强工业机器视觉,支持更精准的工厂自动化应用。

响应式零售— —在边缘使用英特尔计算机视觉解决方案的零售商,可以快速识别特定客户或客户行为模式,从而提供个性化的精准营销服务。

运营管理— —通过使用基于英特尔架构的计算机视觉解决方案,零售商可简化运营、管理库存、优化供应链和增强推销能力,并帮助他们发掘数据的更高价值。

可以说,这市场无一不具备巨大的发展潜力,甚至某些领域,比如交通、公安、安防、零售等行业已经极为成熟,但技术却相对滞后,急需要新技术来解放市场瓶颈,启动客户需求。

猜想3:OPENVINO到底能干什么?

说了这么多,OPENVINO工具包究竟能够做什么呢?首先我们来看英特尔整个视觉解决方案的定位。正如前文提及的,该方案正是为了帮助各行各业实现业务创新和业务转型— —从概念上来看,该方案集成了高级软硬件的英特尔视觉解决方案可在边缘节点(包括摄像头和本地服务器)提供出色的数据处理灵活性、提高数据处理的实时性,并且在云端实现卓越可扩展性,帮助用户实现快速访问边缘数据、高效处理和分析带宽密集型视觉数据、以出色的敏捷性和可管理性将数据快速转化为洞察,这些都将推动下一代人工智能和分析技术的发展,促进强大的深度学习推理功能在各行各业的应用。

用一句通俗的话来说,OPENVINO工具包就是一个为了快速开发高性能计算机视觉和深度学习视觉应用的工具包。其中包括英特尔深度学习部署工具包,具有模型优化器和推理引擎,以及面向Opencv和openvx的优化计算机视觉库。或者这么来说,OPENVINO为了能够服务更多客户和行业,并且将英特尔旗下各个硬件平台的优势发挥出来,它并非单一系统的伺服平台,而是兼容CPU、GPU、FPGA以及MOVIDIUS的VPU所有的硬件系统。

猜想4:OPENVINO适合哪些开发者

从技术关键词上我们可以看出,OPENVINO不仅兼容英特尔旗下各种构架的硬件系统,而且包含了计算机视觉和深度学习视觉两个方面。英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士为我们解释了这一切:之所以要兼容如此多的硬件系统,是因为目前应用到端到端网络单元中,所提供的计算量是不一样的,所以需要不同的芯片架

构。不同网元有不同适宜的架构,不同芯片有各自不同的开发方法和环境,这样对开发者而言就带来一定的困扰,无形中增加了开发的门槛。

作为开发者,已经有了经过训练的网络模型,但是由于推理平台能力有限,只能把网络模型的一部分放到推理平台之上,又或者想要提升终端性能但不知道该如何选型,以及目前使用的人工智能框架不被英特尔的产品支持,无法导入到Movidius或者fpga平台。openvino正是为解决如上问题所推出的,它是一个高性能计算机视觉和深度学习视觉应用开发的工具套件,能够支持英特尔平台的各种加速器,包括CPU、GPU、FPGA以及MOVIDIUS的VPU等,支持异构计算,可以说适合各类层级的开发者使用,而且也能进行多行业或跨行业开发。

猜想5:传统计算机视觉与深度学习两种方式将会在OPENVINO上融合

张宇还提及,目前在计算机视觉处理领域,有两类方法,一类是深度学习,一类是传统计算机视觉,在物体检测、目标识别等方面深度学习已经开始崭露优势,替代传统的计算机视觉,然而在其他视觉领域,包括光流计算或图像增强等依然是传统的计算机视觉处理方法更有优势。所以OPENVINO同时支持这两种实现方式。

不论是对传统计算机视觉的优化,还是对于深度学习的支持,这些均是OPENVINO获得广泛应用的必经之路。比如OPENVINO中的一个传统的计算机视觉工具库便是通过优化的Opencv 3.3版本预编译的,而英特尔在Opencv领域的人才储备,正是通过2016年收购机器视觉初创公司Itseez获得的。

针对深度学习领域,OPENVINO主要通过对Openvx以及openvx在神经网络扩展的支持获得的,利用英特尔媒体软件开发套件,用户可以方便地利用X86架构CPU里面的集成显卡资源来实现视频的编码、解码以及转码的操作。这就意味着在应用最广泛的Windows 10系统的PC中,用户便可利用OPENVINO进行开发和编译。当然,Openvino还支持ubuntu 16.04.3 LTS、Centos 7.4等多种操作系统。

猜想6:OPENVINO有多“开放”?

既然名字中含有Open,又提供可供第三方的SDK,OPENVINO又适合所有各种层级的开发者使用,并且兼容各种硬件构架、操作系统平台和视觉处理模式,可以说在开放性上做得相当不错。在 英特尔的官方网站上,英特尔完全开放了SDK,并提供了软硬件开发平台的指导,包含硬件环境、代码样本和预训练模型等,并在公关论坛上提供了技术专家的支持。

从工具包本身来看,OPENVINO如同一个巨大的软件套餐,将所有的系统,不同的视觉处理方式通过异构方式统一在一起,尽管采用“一锅烩”的方式,但这并非英特尔的偷懒,而是在当前长尾化、碎片化的市场趋势下,整个视觉处理领域同样处在选择和变革的十字路口上,作为一个面向多领域的开发工具,OPENVINO必须尽可能将现有的选项纳入其中。

猜想7:OPENVINO优化部署难吗?

虽然非专业人员,我们还是向张宇简单了解OPENVINO的部署情况。他提及,OPENVINO是分层开发的,不同开发者可根据自己需求和开发能力选择不同的API接口进行调用OPENVINO。通过Open Model Zoo,开发者还可查询到各种应用实例,新手可以在这些参考安全的帮助下,即便不了解算法和硬件底层实现,也可以直接调用相关参考从而实现应用。而对于一些特定应用场景来说,如果有了一些特定应用算法但没有开发人工智能网络的能力,也可以使用OPENVINO把特定的开放网络、标准网络执行在英特尔硬件上从而实现快速开发。而对于高级用户,可以在Caffe、Tensor Flow、mxnet等框架下设计好自己的网络模型,然后用OPENVINO的模型优化器和推理引擎转换成硬件可识别语言,再下载到平台上进行执行。如果是超级用户,OPENVINO也支持直接调用硬件底层的接口实现对硬件直接的访问。

想8:边缘计算成为继本地计算、云计算后的第三大运算能力

如果从概念上来看,边缘计算是实现物联网、智能制造等所需要计算技术的一种方法或者模式,是一种接近于现场应用端提供的计算能力,它的本质是相对于云计算而言的。与OPENVINO一样,它同样被物联网的应用所催生,就是让物联网的每个边缘设备在实时、安全的前提下具备数据采集、分析计算,通信,以及智能化能力。

英特尔之所以如此看重边缘计算,也将其软件开发置于OPENVINO之中,还是出于其中巨大的数据流量,虽然这部分数据流量大部分都要求隐私性,正是这样催生了物联网时代需要将海量数据放在边缘端进行实时的判别和处理,并提供更好地保护。相对于云计算而言,前者需要实时和安全,后者则适合非实时、长周期数据的大数据分析,两者在构架上的不同,并不存在替代关系,反而是有效的补充。

OPENVINO的开发中,就需要充分考虑到边缘计算的优势,而且将极大地催生整个边缘计算行业的发展。在《战略师的物联网指南》的数据统计中就谈及,2021年边缘到云行业支出预计将达到110亿美元。涵盖智能制造、智慧城市等领域的巨大物联网机遇中,智能设备、传感器和互联事物捕捉的视频将会占据60亿美元的份额。所以英特尔也特别看重这项在物联网中得到极大应用的计算领域。

所以“眼见为实”的视频处理领域正是需要边缘计算的判别能力,通过深度学习来模仿人的能力,OPENVINO工具包正是为解决这个问题而生,可以说便是是AI视觉市场的利器。

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.