Qualcomm博客

计算机视觉的进步如何推动人工智能向前发展

在先前的文章中我们提到,即便是训练有素的计算机视觉模型,在没有正确数据支持时对现实世界的感知也会“掉链子”。在拥有优质的训练数据时神经网络(粗略模仿人脑的人工智能模型)才会有上佳表现。在第二部分中,我们将讨论计算机视觉对社会的深刻影响以及它如何为我们的日常生活锦上添花。

提高计算机视觉的精确度

深度神经网络的图像识别能力与日俱增,但离“完美“还有很长的路要走。 康奈尔大学和怀俄明大学的研究人员通过一些方法来欺骗图像分类算法,让人工智能”看到“那些实际上并不存在的东西,从而更深入地理解人类视觉和计算机视觉之间的差异。

 

安全看得见

有了大量训练数据加持,对于设备和机器如何看待世界也有着更深刻和全面的理解,计算机视觉的未来应用可谓无可限量。我们不妨一起来放飞想象。

如果我们训练计算机来认识我们的身体特征,我们对安全和隐私的看法将会发生很大的改观。计算机视觉可以使用虹膜和指纹扫描来管理进入限制性区域和建筑物的人群,也能检索人们的病历或犯罪记录。 这确实会带来潜在的数据隐私问题 - 这也是Qualcomm将重点放在终端侧人工智能上的原因:将用户数据保留在设备上,大大降低了隐私风险。 我们通过身体特征而不是密码等信息或随身携带的钥匙来访问隐私信息。 这将使病历访问变得更容易,最大限度地降低患者识别错误率,大大简化人们进入高级别安全区域的流程。我们在提升安全性的道路上迈出了重要的一步。 试想一下,有了计算机视觉,机场安保和音乐节等大型活动的安保系数降大大提升。

 

确保设备上的可视数据的安全性,对Qualcomm来说至关重要。Qualcomm研究公司荷兰分部据此开发出计算机视觉模块,旨在解决儿童智能玩具中的隐私问题。

基础设施优化

计算机视觉也可能对我们城市的规划和建造方式产生重大影响,提升效率和安全性。建筑工人可以在建筑过程中使用增强现实蓝图和规划图来提高工作效率。 这将带来更直观的建筑体验,提升建筑工作的准确性,且而无需在每个步骤完成后检查多个建筑规划图来进行确认。 建设过程将变得更快、更高效,大大降低“差之毫厘、失之千里”的可能性,最终提升建筑质量,使其更安全、更坚固。

计算机视觉也可以提高道路和人行道等表面的质量评估效率。人类的专业知识和机器的“超级”视觉能力相结合,可以让这些表面的质量检测变得更准确,人为错误将被最小化。 计算机视觉能够更快、更准确地检测表面的微妙缺陷,从而提升道路的质量。

此外,计算机视觉还可以产生优质数据,让城市交通管理发生翻天覆地的变化。 以前只有在发生事故后我们才能确定哪些路段比较危险。 但是,计算机视觉能识别出那些“虚惊一场”的潜在交通事故并加以分类,借助这些数据,我们可以采取更主动的方法来避免交通事故。该算法将能够识别出最危险的路口,并告诉你每周几的哪个时间段这里最容易发生事故。 交管部门可以用这些数据来制作“高危路段黑名单”。决策者在进行道路和其他基础设施规划时也可充分使用这些数据,避免构建高危的交叉路口。 计算机视觉将对城市规划和建造方式产生深远的影响。当这一天到来时,请不要忘记那个曾经被众人耻笑的“不是热狗”APP。

让人类的专业知识如虎添翼

随着能力的日渐提升,计算机视觉可以消除我们生活中的许多麻烦,让我们专注于最重要的事情。

为了让这一天早日到来,我们需要更好地了解设备和机器“看待”世界的方式。 我们需要足够好的训练模型和足够多的数据来提升计算机视觉的精确度。虽然计算机视觉的搞笑应用更容易成为热点话题,但踏踏实实的研究对于改善我们的生活之作用是不可估量的。这就是为什么Qualcomm一直致力打造“随叫随到”的端侧人工智能,同时也在研究更高效的人工智能硬件。 如果您是一位开发人员,对于打造下一个大型计算机视觉应用很感兴趣,Qualcomm® 骁龙™ 神经处理引擎(Neural Processing Engine, NPE)软件开发包( SDK)了解一下!

关注微博或扫描下二维码关注微信公众号(ID:Qualcomm-China),了解更多 Qualcomm 资讯。