優化深度學習方案 加速車牌自動識别 英特爾與智芯原動推動智慧交通創新
不知道你是否注意到，無論是停車場的收費、還是道路卡口的車輛違規檢測，都已經慢慢實現了“無人化”：通過攝像頭等圖像攝取設備來拍攝車牌，進行自動化的識别，并與後端的管理系統對接，可以自動的執行車輛停車計費、違規記錄等應用。與傳統的人工識别與管理相比，自動化的車輛識别與管理不但降低了相應的人員成本，還有效提升了管理的速度以及精度，成為智慧交通體系中不可或缺的一環。
但與此同時，基于深度學習的車輛識别監測要想滿足精度、性能的要求，需要高效的算法支持，以及大量的數據進行訓練。但是，針對某一場景進行訓練的算法往往無法充分滿足其它場景的應用需求。以車牌識别為例，不同的國家和地區的車牌在文字、顔色、組合方式等方面都不盡相同，因此在沒有基于一定數據進行訓練的前提下，車牌識别算法很難遷移到其它國家和地區，這也造成了在部分市場規模較小的國家和地區，智慧交通體系的發展較為緩慢。
除了算法之外，算力也是影響基于深度學習的車輛識别系統應用的一個重要原因，算力越高，車輛識别與檢測也就越容易達到更高的效率，也就更能适應比較苛刻的應用場景，如識别高速運動或是複雜場景中的車輛，而推理性能的增強則有助于加速算法的訓練。同時，為了達到最佳的成本效益，用戶往往希望能夠以更少的節點承載更多的車輛識别負載，這就對性能提出了較高的要求。
智芯原動車牌識别系統的“出海”之路
作為中國領先的人工智能技術及解決方案提供商， 北京智芯原動科技有限公司*(以下簡稱：智芯原動)，2018年被Intel投資，一直緻力于為用戶提供高效、高準确率、可快速部署的車輛識别解決方案。 智芯原動的雲端車款識别平台可識别1600種左右車款，車款信息包括：品牌、型号、年代。為了滿足全球不同區域用戶對于車牌識别的需求，智芯原動推出了車牌識别解決方案。
針對傳統車牌識别方案需要大量數據進行訓練、部署速度慢、周期長的缺陷，通過搭載自研車牌算法框架，智芯原動海外車牌解決方案能夠在少量(>1K)車牌樣本條件下快速疊代，僅需2-4周的交付周期即可實現新國家車牌的開發任務，且綜合準确率可高達90%-95%，能夠滿足基本應用的需求，而且随着訓練數據的增加，這一準确率還将繼續提升。
在該方案中，智芯原動使用了基于卷積神經網絡深度學習的車款識别方法，并通過MobileNet*、GoogleNet* 等拓撲結構來實現分類推理優化。在智芯原動對車牌識别算法進行優化之後，有助于在小樣本的前提下實現應用的快速開發及部署。
目前，智芯原動車牌識别解決方案已經在加拿大、土耳其、新加坡、贊比亞、安哥拉、中國、中國台灣、泰國、印度等二十餘個國家和地區實現了産品落地。
智芯原動與英特爾合作加速車牌識别應用的推理性能
“要提升基于深度學習的車牌識别的推理性能，硬件以及加速工具都是非常重要的影響因素，從這兩方面出發，我們與英特爾進行了持續的探索。” 智芯原動CTO王正表示，“在基于 CPU 的深度學習方案中，CPU的性能以及針對人工智能的技術創新至關重要，最新發布的第二代英特爾® 至強® 可擴展處理器針對人工智能應用負載進行了優化，搭載了VNNI 等技術，我們很期待通過該處理器來提升推理性能。”
除了使用第二代英特爾® 至強® 可擴展處理器之外，智芯原動還嘗試了在MobileNet*、MobileNet-V2*、GoogleNet*、VGG-16*等多個拓撲結構中，英特爾® OpenVINO™ 工具套件分發版的推理性能。測試數據顯示，與英特爾優化版本 Caffe 相比，使用OpenVINO™ 在 MobileNet 系列分類推理中實現了28.4倍的性能提升，性能提升非常顯著。
之所以能夠實現如此明顯的加速效果，是因為OpenVINO™ 對深度學習和傳統的計算機視覺這兩類方法都有很好的支持，其包含一個深度學習的部署工具套件，可以幫助開發者将已經訓練好的網絡模型部署到目标平台之上進行推理操作。OpenVINO™ 把人工智能放在邊緣做計算，通過将人工智能和異構邊緣計算相結合，有利于提高性能，整合深度學習，加速開發、創新和定制。
“第二代英特爾® 至強® 可擴展處理器 + OpenVINO™ 的使用在具體的應用實例中，能夠在視頻圖像分析中将推理性能提升到非常可觀的程度，這不僅在車牌識别應用中有巨大的應用前景，而且還可以應用于廣泛的智慧交通體系之中。通過部署優化版的解決方案，将允許用戶部署更少的節點，同時支撐更多的推理負載，實現更低的總體擁有成本 (TCO)”，智芯原動車牌識别項目負責人指出。
車輛檢測與識别撬動智慧交通市場
在智慧交通的龐大體系中，計算機視覺技術的應用是不可或缺的，無論是停車場綜合服務、道路管理、還是道路卡口綜合檢測，都依賴于高效的面向車輛的視頻圖像分析能力。目前來看，全球範圍内的交通周邊産業都面臨數字化水平偏低的挑戰，企業需要拉通這些數字及信息、實現信息、數據共通，産生共有價值，這将為打造智慧交通體系，構建智慧城市帶來巨大的契機。
基于計算機視覺的解決方案利用增強型深度學習神經網絡以更精密的方式獲取數據，将面向車輛識别的分析能力提升到全新水平。深度學習等人工智能方法使用經過訓練的算法，通過分層的神經網絡在數據中的各個抽象層級進行建模，可幫助構建計算機視覺、自然語言處理和圖像識别等複雜流程，從交通系統中運行的車輛中抽取海量的數據信息。
從基于英特爾® 芯片的智能攝像頭，到基于英特爾加速芯片的終端計算設備(如網絡視頻錄像機、網關、視頻分析設備等)，再到運行訓練和分析功能的雲環境，英特爾提供了非常龐大的産品組合以支持從攝像頭到雲環境的人工智能用例。與智芯原動的合作正是英特爾在計算機視覺領域龐大計劃的具體體現，這些合作還有望在更多的細分行業生根發芽，賦能充滿智慧的數字化時代。
