AI处理的视觉数据中99%是无用的

shuszhao

数据是新经济的源泉，是新的能量。我们用不同的单位来衡量数据，从最初的KB、MB，到如今的GB、PB、TB，数据量越来越大，单位层级越来越高。在过去10年中，每年产生的数据量比过去几年产生的数据总和都多。
数据是新经济的源泉，是新的能量。我们用不同的单位来衡量数据，从最初的KB、MB，到如今的GB、PB、TB，数据量越来越大，单位层级越来越高。在过去10年中，每年产生的数据量比过去几年产生的数据总和都多。
2020年会怎么样？大数据将走向何方？AI又在其中扮演怎样的角色？
99%的无用数据是什么？
很多数据中心现在已经建成，它们在处理大量的数据的同时，要消耗能量。数据量每4年可能会翻番，数据中心的规模也会翻番。
这么多数据中，只有1%是真正的纯信息，99%的数据是无用的，其中80%的大数据来自摄像头或其它拍摄装置，大多数是图片。什么是纯信息数据？怎么区分？这些数据对于设备、对于机器人、对于各种应用场景是不是有用？为什么要收集、处理这么多数据？
我们一直在研究这些问题。
150年前一位英国人发明了摄像机。摄像机不能完整地捕捉整个运动的过程， 而是捕捉到一系列连续的画面，将画面连接起来才形成了类似连续的一段影像。直到今天，我们仍将视频视作一系列的图片。
因此，我们需要改变传统的数据收集和处理方式，从而在视觉领域做出更多的贡献。
利用AI技术捕捉关键数据
在汽车、超高速相机、实时游戏及工业应用中，我们关注两点：一是抓取真正有意义的图像，二是节省能源。
所有的视觉数据都是由传感器按预定的节奏获取的。传统的方式是获取海量数据， 通过一层层剥离来减少数据量，逐渐提取有价值的关键视觉信息并最终做出决策。
我们要减少无效数据的收集，有效利用资源，提高效率和安全性。
数码相机每秒大概30帧，在高速运转时，一些图像会出现边缘模糊的情况。如果提高精细度，则会面临增加消耗电能的问题。
我们利用AI的感知和处理，通过增强感应器的性能， 努力改善动态过程中边缘模糊的情况。同时优化取样，抓取相关性大的图像，并且通过过滤90%以上的无用信息，来实现节能。
现在的数据如同一种新形式的石油，非常珍贵。我们需要不断抓取有用的数据， 使这些数据服务于我们。
构建先进的仿生视觉系统
想一想人的眼睛。人眼是如何看东西的？我们捕捉动态信息，而非关注静止不动的部分，这时大脑和眼睛协调工作。人脑只收集有意义的信息，从而快速做出响应和决定，这非常高效。大脑要处理的信息量很大，而大脑的功率是25W，非常节能。
我们要打破传统方式，开发出与拍摄装置和AI结合的新技术，模拟大脑和眼睛的工作，依赖场景动态学， 仅捕捉关键信息，同时综合考虑时间、能量、计算成本等参数，让人与机器能够和谐共存。
例如，在自动驾驶中100%地避免事故，在永不关闭的监控系统上实现高安全性和效率，无人机凭直觉避免碰撞，甚至让失明的人都可以恢复视觉。
我们希望汽车能检测并绕开各种障碍以及道路上的其他汽车和行人。
交通场景下有一些动态过程，如汽车从隧道里开出来突然一亮，司机的眼睛被晃到就可能发生事故。运用芯片的感应器能够了解相关光照情况下的具体交通量， 如同神经形态传递。
我们利用基于事件的视觉系统来改革所有的动态应用，实现嵌入式事件流控制及被动边缘检测，采用低功耗传感器，并使用高时间分辨率重建。
我们的系统只感知场景核心，运算数据仅为传统方法的十分之一到千分之一；小于10mW的低功耗；微秒级的事件采样，等同于每秒10000帧图像；捕捉极端光照条件下的隐藏信息，大于120dB的高动态范围；每个像素异步曝光，不产生运动模糊。
我们的系统可以用于安防/人工智能机器人,提高机器和工艺生产率，调试和维护感兴趣的区域；在移动/可穿戴设备物联网中，实现智能存在检测以及实时高速SLAM ，进行眼动追踪；在无人驾驶中，用实时高速的机器视觉以及HDR和低数据速率来提高安全性，并降低系统的复杂性和成本。

eason86

  

似水流年

地沟油

          

她可

看看

cybi1861

panups

  

枯荷依风

    

weichen743

看看

myntpcb

只是效率还不高而已，并不是没有用。