中国工程院院士高文：数字视网膜消除智能交通痛点|世界人工智能融合发展大会|竞技宝电竞官网

本文摘要：消息，11 月 19 日上午，2019 世界人工智能融合发展大会于山东济南月开会。

消息，11 月 19 日上午，2019 世界人工智能融合发展大会于山东济南月开会。大会由工业和信息化部、中国工程院、山东省人民政府指导，由山东省工业和信息化厅、省教育厅、省科技厅、省财政厅、济南市人民政府和新一代人工智能产业技术创新战略联盟联合主办。

在这场大会上，中国工程院院士、新一代人工智能产业技术创新战略联盟理事长高文；中国工程院院士、浪潮集团首席科学家王恩东；英国皇家工程院院士、鲲云科技首席科学家陆永青；富士康工业互联网董事长李军旗等嘉宾参加，作过了主题报告。高文本次报告的主题为《智能交通与数字视网膜》，以下是(公众号：)在不转变本意基础上的整理与编辑：各位专家、各位同行，各位朋友，大家好！智能交通之所以被称作“智能”，是因为它可以通过一些技术手段来提高效率；比如，它可以告诉哪条路上车多，哪条路上车较少。虽然，以前的信号控制系统也做到了很多类似于工作，但那些系统大部分是通过地面的线圈，或是通过摄像头收集到的信息来展开输出。今天我要和大家共享的，就是将最现代化的传感器和计算出来系统合在一起，去把智能交通这件事作好。

首先，我们来理解一下什么叫数字视网膜。实质上，数字视网膜本现在早已构成了大规模的系统，这个系统要如何把视频“看见”的东西很好地协商一起，必须解决问题三个问题，一个是为什么，一个是怎么做，一个是明确的概念是什么。

从整体来讲，无论是数字视网膜，还是图像处理或视频处置，都经过了漫长的进化路径。荐个例子，视频处置技术刚刚经常出现的时候，仿真的是照相机，那时大约是在 19 世纪中前期；后来，从伦敦开始，人们渐渐将这些图像以及其表达的内容利用一起；仍然到 19 世纪中叶计算机以后，人们开始把仿真图像变为数字图像，展开处置和传输；到了今天，图像处理从卫星图像到医学图像等领域大大发展，甚至覆盖面积了我们生活的各个方面。

以前人们在这一方面的处置能力不强劲，但现在，摄像头和传感器的发展更加好，云计算也经常出现了。以前的摄像头现在出了摄像机网络，由几千个几万个摄像头联系在一起；原本非常简单的云存储也变为了现在简单的城市大脑，一个城市有一个总存储中心和若干个分存储中心。

智能交通的决策分析都在总中心展开，而数据则从最末端的每个摄像头传输到分存储中心，再行汇总到总中心。那么，这些数据明确是怎么过来的？以前的模式就是，摄像头把拍下的内容用编码器传输后传输回去，到了总中心再行可执行文件，通过基于手工的系统来萃取简单信息，并分析辨识。

随着人工智能技术更加成熟期，上述手工已完成的工作都转交了深度神经网络来做到，只要有充足的算力就不够了。但是，这样一个系统，知道能提高效率吗？如果效率敢，又是因为什么原因呢？刚说道过，摄像头拍电影到画面后要展开传输，然后传遍总中心解码，再行展开特征提取、分析、辨识；实质上，这个过程必须一定的时间，很难超过动态的效果。为了解决问题这个问题，人们不时地升级系统，还加了许多类似的智能摄像头来必要辨识一些特征，仍然经过编码的过程，由此来节约时间。这种解决方案知道好吗？其实不然。

因为，这样做到显然可以解决问题一些小问题，但是它带给了更加多的大问题。现在的摄像机网络规模相当大，所以它搜集的数据也十分大，然而，数据大不相等大数据。这些摄像头拍下来的东西，85%—90% 都是监控视频的数据，很难对整个城市的管理和规划改良有协助；而且，它们存储的时间最久也只有三个月，有可能在两个星期的时候就被覆盖面积了或是荒废了。

这样的超大数据量仅有一个超低的价值密度，我们应当想要办法去切换，让它显得更加有价值。问题只不过出有在架构上。

按照原本的架构，完全 99% 的摄像头只是用来摄制，然后将内容编码，即便它们传输的数据之后充分发挥了起到，摄像头的贡献也是大于的。所以，我们要想要办法让摄像头腊更加多的活儿，但又不是将其升级为非常简单的智能摄像头来辨识人脸或车牌（原因上文已说明）。

确实简单的方法是，让摄像头将简单的数据提取出来，传输到云，然后作为一个富裕价值的大数据在云里处置并长年留存。这就是指生物界受到的灵感。无论人还是动物，我们都有眼睛，并且效率十分低。

眼睛提供光学信号是通过视网膜来提供，视网膜里有两种较为关键的细胞，感光细胞和锥状细胞，这两种细胞特一起有 1.26 亿，而我们平时看见的东西，都是通过这些细胞来传遍大脑的。不过，在信息往后记的时候，经过了若干层，每记一层信息都会展开削减，仍然传遍脑神经的相连地方。荐两个例子，一个长时间的孩子在自学的过程，实际是把神经的全相连网络展开了强化和剪裁，有些相连显得更加细，有些相连渐渐就衰退掉，最后他能有效率地分辨事物。

忽略，一个患上自闭症的孩子末端神经和脑端神经一样细，而是没展开过剪裁的全相连，他的注意力很难集中于。这也就说明了信息削减的重要性，但目前我们的摄像头没信息削减这个功能，相等于一个“冷漠系统”。所以，我们的系统要像人的视觉系统一样，把信息削减了往北上送。为了做到这件事，去年我和一个北大的同志，还有一个阿里巴巴的同志，三个人一起在《中国科学》上发了一篇文章取名为《数字视网膜智慧城市系统演变的关键环节》的文章。

如果用了所谓的数字视网膜，这件事就可以解决问题了，数字视网膜有八个最主要的特性，我汇总了三个最本质的特征：第一个特征叫作全局统一的时空 ID，每个摄像头要有一个全局统一的时空的 ID，地理位置是全局统一；每个摄像头只要是送来信息回去，立刻就告诉这是全局统一几点几分的时间再次发生的事，再次发生的物理地点是在哪里。第二个特征就是视网膜本身要有高效视频编码的能力，高效特征编码的能力和牵头优化的能力。高效视频编码方面现在有很多标准，像 AVS 标准，MPEG4 等等；特征编码现在的标准有 MPEG，CDVS 标准，CDVA 标准；如果在一个码流里，同时要监控视频编码和特征编码的话，要想要办法让它们可以牵头优化。

第三个本质特征就是模型可改版，留意可调节，软件可定义，这也是三个有所不同的拒绝。我们现在都是用神经网络模型，随着时间推移可能会有新的算法出来，所以，数字视网膜要是模型可改版的；换句话说，每个摄像头上的算法都是可以升级的。

留意可调节，主要是可以后台掌控它。同一个画面里的东西，优先级在每个地方都是不一样的，我们可以彰显它一个感兴趣区域的功能，让它有留意一些尤其最重要的区域，并保有这个区域的信息。软件可定义，可以通过软件升级来构建软件可定义。

这种新的数字视网膜实际有三个流，不像传统的摄像头就是一个流，即一个视频压缩东流或一个辨识结果流。数字视网膜的三个流还包括视频编码流，特征编码流，模型编码流。当然这三个东流是有分工的，有的是在前端可以实时控制调节，有的是通过云端对系统出来展开调节和掌控的。这就是数字视网膜。

实质上，数字视网膜主要是通过脑眼合一的方式，将未来终端的信息，通过数字视网膜的处置，送往云端的。现在，我们在深圳专门做到数字交通，为了做到这个事而展开大规模的训练。

其中，有一些开源的东西，还包括创建开源生态，还有一些势能的技术，里面视频编码标准是一块最重要的势能技术。现在，联盟也在做到一些基于刚才说道的标准装有的大的应用于标准，这些都在按部就班往前前进。第一款数字视网膜芯片早已在路上，迅速就不会公布，这个芯片较小，就像一块钱硬币一样，但却把我刚才说道的三个本质特征，八个功能全都包括在里面。

将来，这种芯片可能会必要转入各种智能交通的系统里，不会承托数字视网膜的应用于。年度票选——找寻19大行业的最佳AI落地实践中创办于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。从商用维度抵达，找寻人工智能在各个行业的最佳落地实践中。第三届票选已月启动，注目微信公众号“”，恢复关键词“榜单”参予甄选。

下文可咨询微信号：xqxq_xq原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：竞技宝电竞官网-www.eitchk.com