【中國安防展覽網 品牌專欄】 10月17日消息,10月12-14日,2017中國計算機視覺大會(CCCV 2017)在萬麗天津賓館舉行。作為國內計算機視覺領域主要的學術活動之一,CCCV 2017邀請到了國內外的專家、學者做主題報告,介紹計算機視覺領域新,熱的理論和方法的同時,也將學術界、產業界前沿的學術動態、新研究成果、創新思想和科學方法呈現給與會者,為從事計算機視覺研究的學生、教師和企業界研究人員提供了一場精彩的學術盛宴。
作為鉆石贊助商之一,曠視(Face++)由科學家、曠視研究院院長孫劍博士帶隊出席,并在現場通過實時演示的前端應用向大眾展示了曠視自主研發的計算機視覺技術和創新應用。
做CV技術應用*
自2011年成立以來,曠視科技一直全力聚焦在計算機視覺領域,是早通過深度學習的方法開展工業探索的人工智能企業。目前,曠視(Face++)在人臉、文字、證件及通用圖像識別,身份驗證和智能安防等領域均呈現了的解決方案及應用產品。
在人臉識別的應用熱潮中,曠視(Face++)是的開荒者。因為在公司成立早期,曠視對于人臉識別技術能夠用在什么商業場景并不明晰,而當時國內外尚無可商用的人臉識別產品和成熟的場景。因此曠視搭建了一個名為“Face++”的技術平臺,并向們提供免費的、開放的人臉識別云服務,并通過這個技術平臺贏得了數十萬的用戶。緊接著,通過對市場需求的探索,曠視在互聯網應用和金融領域找到了立足點并開始摸索人工智能在安防、商業等領域的應用價值。隨著2014年-2016年間深度學習的爆發,迎來AI掘金熱,大大小小的科技公司和創業者都加入到了這一波的人工智能浪潮中,尤其是計算機視覺實現了繁榮。
走過6 年,曠視已經完成了從計算機視覺技術平臺到行業應用的下沉,并專注于通過深度學習和物聯傳感技術幫助行業用戶實現對物理世界數據的深度挖掘,6年間無論在任何一個應用場景,曠視(Face++)都是搶先推進產品落地的*。然而隨著CV商業化賽道的日益擁擠,曠視還需要跑的更快。
“曠視在六周年給了自己更的定位——做快猛的人工智能產品公司。”在CCCV 2017企業宣講中,曠視科技科學家孫劍博士如是說。曠視也在用行動詮釋“快”和“猛”:在不到2 年的時間里,曠視的FaceID平臺產品已為中國超過2.5億用戶提供了在線身份驗證服務,成為中國大第三方實名驗證平臺之一。2017年,曠視先后與*手機廠商推出了*國產發行且搭載了完整人臉識別解鎖技術的智能手機,并聯合螞蟻金服實現了人臉識別支付商用落地。
求新求變持續創新
如果說行業聚焦一直是曠視持續成長的方向,那么堅持技術創新則是曠視保持生命力的根本基點。曠視(Face++)創始人印奇曾公開表示,人工智能商業化的上半場大家都在尋求行業的突破口,雖然對錯尚無定論但本質來說這一波人工智能浪潮依然是由技術推動的,且以深度學習為代表的人工智能技術。
在底層技術創新上,曠視(Face++)早于Google TensorFlow半年就推出了自有的深度學習框架Brain++,通過自主研發全棧深度學習工具鏈用于內部開發的MegBrain深度學習引擎,Brain++深度學習平臺可實現內部深度學習資源管理,并為研發者和大型研發團隊提供一站式服務,除了深度學習的核心訓練引擎之外,還有從數據如何流入、GPU管理、模型發布的整套流水線過程,以滿足不同深度學習模型的需求。Brain++不僅是構成了曠視科技內部計算機視覺研究的核心引擎,也是曠視保持行業的核心競爭力。
但在實際的工業應用中,曠視研究院還需要根據切實的需求研發新的算法和模型以使技術貼近實用。比如為了解決現有模型依賴高性能服務器集群的問題,前不久曠視(Face++)推出了專為移動端低功耗設備打造的更小更快的網絡模型——ShuffleNet。該結構繼承了“殘差網絡” ( ResNet ) 的設計思想,并在此基礎上做了一系列改進來提升模型的效率,使其在實際應用中大幅降低模型計算復雜度的同時仍然保持了較高的識別精度。
MegEye-C3S產品構造
而基于此項成果,曠視(Face++)又推出了FPGA智能相機MegEye-C3S,其可在成本二三十美元的芯片機上完成實時高清每幀人臉檢測,能夠更好地抓取正臉。在CCCV2 017的展示區,曠視也將新的硬件產品和創新應用帶到了現場,包括深度學習智能美顏、人臉識別解鎖手機和全新的全幀智能人像抓拍機MegEye-C3S,吸引了眾多與會者前來咨詢、體驗。
版權與免責聲明:
凡本網注明“來源:智慧城市網”的所有作品,均為浙江興旺寶明通網絡有限公司-智慧城市網合法擁有版權或有權使用的作品,未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智慧城市網”。違反上述聲明者,本網將追究其相關法律責任。
本網轉載并注明自其它來源(非智慧城市網)的作品,目的在于傳遞更多信息,并不代表本網贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時,必須保留本網注明的作品第一來源,并自負版權等法律責任。
如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。