爱因儿科技|英特尔AI软硬结合守护城市「良心」,不让你的AJ被雨水淹没

机器之心转载
来源:头部科技
在后摩尔定律时代 , 硬件所带来的算力提升已经没有那么可观 , 但Science的一篇文章表明 , 在软件层面 , 我们还能找到大幅度提升AI算力的方法 。 在此背景下 , 越来越多的企业开始注重「软硬结合」的新路径 , 英特尔就是其中的一个实力玩家 。
无论渴望在哪一领域做到极致 , 软实力和硬实力都是一对分不开的必备支柱 , 相辅而行互为协助 。
面对智能+世界 , 「软硬结合」已经成为AI技术与各行各业互联互通、实现落地赋能的「钥匙」 。
如今 , 世界级IT企业通常皆具备「软硬结合」的实力 , 因为软硬件充分结合的生态势必能释放更大的技术效能 , 催生更多AI赋能和重塑传统行业的新场景 , 而英特尔正是当中的实力派 。
若要强势输出AI生态效能 , 只握有一张王牌将不再适应是智能化、数据化变革 , 需要软硬实力同时兼备 , 更需要二者能量的结合 。
那么实力派的「融合」功力如何?我们通过案例来具体看看 。
守护城市「良心」:优化工具OPENVINO , 加速智能视觉变革
下水道常被称作一个城市的「良心」 。 如果下水道及排水系统足够有效 , 即使雨下得再大 , 走在路上地面的水也不会淹没我们脚上心爱的AJ 。
然而 , 下水管道隐匿于城市地下 , 绵延无数英里 。 举例来说 , 华盛顿特区地下的下水管道纵横交错 , 长达1,800多英里 , 而这其中产生的污水收集与处理工作需要耗费大量的人力物力 。
倘若能定期检测地下排污管道 , 有效防止管道泄漏、破损和堵塞 。 常见的一种办法是运营商远程引导安有摄像头的探测仪录制地下污水管道的视频;然后利用所录视频生成检测日志 , 写出总结报告 , 对存在问题的位置进行标记 。
果然 , 良心守护工作需要耗费极大的人力 , 还无法保证准确率 。 然而运用人工智能 , 既能提升下水管道检测视频分析速度 , 又能确保检测的准确性 。
爱因儿科技|英特尔AI软硬结合守护城市「良心」,不让你的AJ被雨水淹没
文章图片
当地相关机构联合其供应商Wipro开发了名为PipeSleuth的解决方案 。 该方案基于视频检测 , 运用符合管道评估认证方案的各种标准实现了管道状况识别、标注、打分/评级以及管道缺陷报告整个流程的自动化 。
在守护城市「良心」的过程中 , 英特尔软硬结合的技术得以应用并发挥优势 。
该解决方案包含从记录在案的管道检测视频中提取的26,600张加注图片组成的数据库 。
以这些图片为基础构建的机器学习模型已使用TensorFlow进行训练 , 并已针对推理性能采用英特尔OpenVINO工具套件分发版进行优化 。
爱因儿科技|英特尔AI软硬结合守护城市「良心」,不让你的AJ被雨水淹没
文章图片
采用PipeSleuth解决方案识别的异常情况图片及已完成标注的图片的样本
通过这种训练 , PipeSleuth可以将新的管道检测视频与已确定的异常情况进行比较 。 随后 , PipeSleuth会生成一份全面的检测报告 。 该报告可与常用的资产管理系统整合 , 实现维护工作自动排序 。
而OpenVINO是英特尔的一款软件工具套件 , 能借助那些从边缘到云部署的高性能深度学习推理为应用和算法提速 。
如今神经网络的低精度量化与执行已被广泛用作优化方法 , 可在保持准确度的同时显著提升速度 。 这款工具套件可以将模型转换为低精度而无需重新训练 , 同时还可降低延迟 。
爱因儿科技|英特尔AI软硬结合守护城市「良心」,不让你的AJ被雨水淹没
文章图片
在下水道视觉检测解决方案中 , 采用英特尔OpenVINO工具套件分发版和英特尔至强处理器后 , 推理时间也大大优化(缩短了高达80%) , 同时又不会显著影响模型精度或准确性 。
所谓软硬结合实力 , OpenVINO可通过基于英特尔架构的处理器(CPU)及核显(IntegratedGPU)和深度学习加速器(FPGA、MovidiusVPU)的深度学习加速芯片 , 增强视觉系统功能和性能 。


推荐阅读