從建盞溯源 看曠視如何以算法量產(chǎn)應對AIoT海量算法需求

11月11日消息，《夢華錄》電視劇中趙盼兒點茶所用的器具，你還有印象嗎？那正是宋代特別流行的“建盞”。

“入窯一色、出窯萬彩”正是宋代"皇家御用瓷器"建盞的特點。近年來建盞產(chǎn)業(yè)快速發(fā)展，產(chǎn)值預估超75億元，但是仿造、偽造、以次充好等問題嚴重影響著建盞產(chǎn)業(yè)的發(fā)展和品牌價值。

對此，曠視研發(fā)了建盞溯源平臺，這是行業(yè)首個基于AI圖像識別技術打造的建盞溯源系統(tǒng)，利用建盞“每盞皆唯一”的特點，實現(xiàn)“一盞一圖、一盞一碼、圖碼結(jié)合”，助力解決仿造、偽造、以次充好等問題。

“建盞溯源平臺”正是曠視將AI能力應用于解決實際問題的一個縮影。

AI算法量產(chǎn) 背后是一套標準化建設

事實上，深度學習算法的發(fā)展讓AI解決具體問題的能力越來越強大。但是，面對千行百業(yè)層出不窮的碎片化的智能化需求，從通用的算法模型出發(fā)，到解決具體需求問題的對應算法落地之間，這條路應該怎么走？

曠視科技結(jié)合自身研究實踐，給出了一種路徑——AI算法量產(chǎn)。

基于10余年的算法研發(fā)積累及深入多個行業(yè)的項目實踐經(jīng)驗，曠視提出了AI算法量產(chǎn)的理念。算法量產(chǎn)不是單一的產(chǎn)品，而是對AI生產(chǎn)模式的理念革新和生產(chǎn)力進化。

在曠視研究院算法量產(chǎn)負責人周而進看來，表面看，各行各業(yè)都有算法不斷融入，但實際上，AIoT市場上高質(zhì)量的AI算法仍然“供不應求”。曠視希望通過算法量產(chǎn)，將AI生產(chǎn)過程標準化，降低算法生產(chǎn)門檻，讓更多的人能夠加入到算法生產(chǎn)的工作中，提升算法生產(chǎn)效率。

曠視算法量產(chǎn)其實就是做“標準化”，把每一個環(huán)節(jié)都標準化，包括數(shù)據(jù)生產(chǎn)標準化、算法模型標準化、推理框架標準化。

為了實現(xiàn)算法量產(chǎn)，曠視推出了適配算法量產(chǎn)的 AI基礎設施——算法生產(chǎn)平臺AIS（AI Service）。AIS基于曠視Brain++體系，構建了一套覆蓋數(shù)據(jù)處理、模型訓練、性能分析調(diào)優(yōu)、推理部署測試等算法生產(chǎn)全鏈路的零代碼、自動化的生產(chǎn)力工具平臺。

曠視 AIS算法生產(chǎn)平臺提供多種功能支持算法快速生產(chǎn)部署，包括數(shù)據(jù)清洗、智能標注、模型訓練、模型評測、模型自動部署全鏈條：

• ? 數(shù)據(jù)清洗：支持對視頻和圖片數(shù)據(jù)執(zhí)行抽幀、去重、去花屏以及黑屏等操作，確保下游數(shù)據(jù)的標注和訓練質(zhì)量。單個清洗任務最大支持 100Gi視頻數(shù)據(jù)的清洗。
• ? 智能標注：曠視自研的智能數(shù)據(jù)標注工具能夠大幅提升標注精度和標注效率。在大部分場景下，和手動標注相比，使用智能標注能力可以使標注效率平均提高 30倍。
• ? 模型訓練：基于曠視研究院自研的算法庫以及算法推薦能力，AIS算法生產(chǎn)平臺提供自動化的模型創(chuàng)建方式，用戶無需具備模型訓練的基礎，只需提供訓驗數(shù)據(jù)、選擇模型訓練目標，系統(tǒng)將自動幫用戶訓練出表現(xiàn)良好的模型。曠視 AIS算法生產(chǎn)平臺目前已支持 100多種業(yè)務模型訓練，2小時即可完成模型訓練，模型產(chǎn)出精度指標遠高于業(yè)界平均水平。
• ? 模型評測：曠視 AIS算法生產(chǎn)平臺中的模型評測和數(shù)據(jù)分析能力能夠在模型訓練后，使用多維指標衡量模型的表現(xiàn)能力，同時可視化模型訓練過程中的數(shù)據(jù)結(jié)果，統(tǒng)計模型在不同分布、不同維度下的表現(xiàn)，幫助快速定位模型的問題，進一步優(yōu)化模型。
• ? 模型自動部署：曠視自研的 ADS（Auto Deploy Service）模型部署工具，提供將訓練好的模型一鍵轉(zhuǎn)換至不同計算平臺并支持測試對分的服務，可大幅簡化模型從訓練到部署的流程。

據(jù)周而進介紹，AIS平臺可以支持100多種業(yè)務模型訓練，最快2小時即可完成訓練，且模型產(chǎn)出精度指標遠高于業(yè)界平均水平。同時，AIS的嵌入式管理平臺已支持 30種設備的管理，可有效節(jié)省IoT設備的日常開發(fā)與維護成本。截至9月底的統(tǒng)計數(shù)據(jù)顯示，樓宇、園區(qū)、生產(chǎn)環(huán)境、社區(qū)等泛城市物聯(lián)網(wǎng)范圍內(nèi)75%的算法能夠在該平臺上由非技術人員完成生產(chǎn)。

同時，與曠視算法量產(chǎn)方法論相配套的，曠視還提出了適配算法量產(chǎn)的“5:3:2“研發(fā)體系，來對應需求、數(shù)據(jù)、模型、部署不同階段任務。

在周而進看來，目前整個AI行業(yè)仍然處于非常初級的階段，一個最典型的特征就是行業(yè)分工非常不明確。很多時候需要一個強人“包打天下”。反觀芯片制造等成熟行業(yè)，其設計、生產(chǎn)、封裝、測試每一個環(huán)節(jié)分工明確，每個工種都有專業(yè)的工作職責范圍和培訓標準。

曠視的算法量產(chǎn)“5:3:2“研發(fā)體系，可以理解為基于實踐，對AI算法量產(chǎn)工作的一種有效、高效分工。

“5:3:2“研發(fā)體系具體而言就是：5個行業(yè)工程師基于AIS算法生產(chǎn)平臺進行相應的業(yè)務交付，3個算法研究員聚焦于算法的創(chuàng)新與探索，2個工程師不斷打磨相應的基礎設施并進行AI生產(chǎn)力工具的開發(fā)。

這里面，算法研究員不需要再專注做一個一個項目，只需要專注于通用的普適型的技術研究，再拿它通過解耦的系統(tǒng)輻射解決各行各業(yè)的實際需求。

周而進表示，根據(jù)實踐檢驗，我們發(fā)現(xiàn)這一團隊陣型，既滿足了解決現(xiàn)有問題的需求，同時也能不斷自我提升，推動AIoT時代所需的AI能力進化。

以量產(chǎn) 應“萬變”

正是有了算法量產(chǎn)平臺，類似“建盞溯源”這樣的具體需求才得以在短時間內(nèi)就得到解決，周而進強調(diào)。

“建盞溯源系統(tǒng)里細分了非常多的子方向和算法，包括盞的定位、檢測、質(zhì)量判斷，以及最重要的紋理識別等，這些借鑒了很多我們在其他生物認證識別上面的經(jīng)驗。如果沒有這樣一個算法量產(chǎn)平臺把知識集約在一起，建盞溯源平臺的開發(fā)團隊就很有可能要重新從頭研發(fā)一遍，這個周期將非常長?！?/p>

在周而進看來，不管是建盞溯源，還是火焰檢測、工業(yè)質(zhì)檢、零件計數(shù)、?；窓z測、通行管理、明廚亮灶、高空拋物檢測、普洱茶茶餅識別、甚至破皮速凍水餃檢測等等五花八門的碎片化智能需求，基于曠視算法量產(chǎn)平臺的推動，就能以更優(yōu)的人力、更高的效率實現(xiàn)應用落地。

“我們相信算法生產(chǎn)并不是一個黑盒子，只是異常復雜。曠視算法量產(chǎn)平臺通過解耦和標準化的形式量產(chǎn)出的算法，在很多行業(yè)里都得到了順利的落地。這些案例給了我們非常多正向的反饋和鼓勵，因為我們在做沒有人做過的事情?！敝芏M稱。

在算法量產(chǎn)的基礎上，曠視今年初又提出“算法定義硬件”的AIoT解題思路，將算法這一軟性觸角進一步延伸至硬件領域，以期打通從算法到硬件落地的全鏈條AIoT解決能力，推動AI與實體經(jīng)濟的融合。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。