澎思(si)科(ke)技(ji)首(shou)席科(ke)學(xue)家(jia)申(shen)省梅(mei) 攻(gong)克AI安防(fang)人臉識別算法(fa)難(nan)題(ti)的(de)軟(ruan)硬件(jian)協(xie)同(tong)之(zhi)道產(chan)品大(da)全(quan) 上海理(li)優(you)教(jiao)育科(ke)技(ji)有(you)限公司(si)

數(shu)據(ju)驅動(dong)與場(chang)景(jing)自(zi)適(shi)應：不(bu)再依賴(lai)有限的(de)公開數據(ju)集，而(er)是(shi)構(gou)建(jian)覆(fu)蓋(gai)極端(duan)光照（如(ru)逆(ni)光、夜(ye)間）、多姿態(tai)、多年(nian)齡(ling)段、多種(zhong)遮(zhe)擋(dang)物的(de)大規(gui)模私有(you)化場(chang)景(jing)數據工(gong)廠。通過(guo)生成(cheng)對(dui)抗網絡（GAN）等技(ji)術進行數據增強(qiang)，並(bing)研(yan)發(fa)針(zhen)對(dui)性(xing)的(de)噪(zao)聲註入(ru)、域(yu)自(zi)適(shi)應訓(xun)練方(fang)法(fa)，讓(rang)模型(xing)在(zai)訓(xun)練階段就“見(jian)識(shi)”並(bing)學會處(chu)理(li)各(ge)種復(fu)雜(za)情(qing)況(kuang)。
輕(qing)量化與(yu)高(gao)效(xiao)率模型(xing)設(she)計(ji)：安防(fang)場(chang)景(jing)要求算法(fa)不(bu)僅準(zhun)，還要快(kuai)。申省梅(mei)團隊(dui)專(zhuan)註於模型(xing)輕(qing)量化技(ji)術，如(ru)神(shen)經網絡架構(gou)搜(sou)索（NAS）尋(xun)找(zhao)最(zui)優的(de)輕(qing)量級網絡，結(jie)合(he)模型(xing)剪(jian)枝(zhi)、量化、知(zhi)識(shi)蒸(zheng)餾(liu)等方(fang)法(fa)，在(zai)保證識別(bie)精(jing)度(du)的(de)前(qian)提下(xia)，大(da)幅壓縮模型(xing)體積(ji)、降(jiang)低(di)計(ji)算復(fu)雜(za)度(du)，使(shi)其(qi)能夠高效運(yun)行(xing)在邊(bian)緣設(she)備(bei)上。
動態(tai)識(shi)別(bie)與(yu)軌跡(ji)分析(xi)：單(dan)壹(yi)靜(jing)態(tai)圖像(xiang)的(de)識別(bie)已(yi)不足夠。澎思(si)科(ke)技(ji)將(jiang)人(ren)臉識別與(yu)行(xing)人再識別(bie)（Re-ID）、行(xing)為分析(xi)、時空軌跡(ji)分析(xi)相結(jie)合(he)，構(gou)建(jian)動(dong)態(tai)的(de)“人臉+人體+行(xing)為”多維感(gan)知模型(xing)。即使在(zai)面(mian)部信息不完(wan)整(zheng)時，也(ye)能通過(guo)衣著(zhe)、體態(tai)、步態(tai)及運(yun)動(dong)軌跡(ji)進行協(xie)同(tong)判斷與(yu)持續跟蹤(zong)，提(ti)升(sheng)系(xi)統(tong)在實戰中的(de)連續識別與預警能力(li)。

算力(li)適(shi)配與(yu)邊(bian)緣計(ji)算：雲端(duan)中心處理存(cun)在延(yan)遲與帶(dai)寬(kuan)壓力(li)，無(wu)法(fa)滿(man)足實時預警需求。因此，澎思(si)科(ke)技(ji)大(da)力(li)推動算法(fa)向邊(bian)緣端(duan)下(xia)沈。這(zhe)要求硬件(jian)平(ping)臺（如(ru)邊(bian)緣計(ji)算盒子、智能(neng)攝像(xiang)機(ji)內(nei)置芯片）具備(bei)強(qiang)大(da)的(de)異構(gou)計(ji)算能力(li)，能夠高效支持(chi)卷(juan)積(ji)神(shen)經網絡（CNN）等AI算子的(de)推理。團隊(dui)與芯片廠商(shang)深(shen)度(du)合(he)作，針(zhen)對(dui)自(zi)研(yan)算法(fa)進行指令集和(he)計(ji)算架構(gou)層(ceng)面(mian)的(de)優化，實現軟(ruan)硬件(jian)壹(yi)體化設(she)計(ji)，最(zui)大化釋(shi)放(fang)硬件(jian)算力(li)。
傳感(gan)器與(yu)成(cheng)像質(zhi)量提升：算法(fa)依賴(lai)高質(zhi)量的(de)輸入(ru)圖像(xiang)。面(mian)對(dui)弱光(guang)、強(qiang)光(guang)等(deng)惡(e)劣環(huan)境，澎思(si)科(ke)技(ji)從(cong)源(yuan)頭入手(shou)，關(guan)註(zhu)與圖像(xiang)傳感(gan)器（CMOS）及光學鏡(jing)頭的(de)協(xie)同(tong)。通過(guo)研(yan)發(fa)或(huo)整(zheng)合先進的(de)寬(kuan)動(dong)態(tai)（WDR）、星(xing)光(guang)級(ji)低(di)照度(du)、紅(hong)外成(cheng)像技(ji)術，並(bing)結(jie)合(he)3D結(jie)構(gou)光(guang)、ToF等(deng)深(shen)度(du)傳感(gan)技術，為算法(fa)提(ti)供(gong)更(geng)清晰、信息更豐富的(de)原始(shi)圖像(xiang)，從(cong)根本(ben)上緩解(jie)因(yin)成(cheng)像(xiang)質(zhi)量差導致的(de)識別(bie)困難(nan)。

軟(ruan)硬壹(yi)體化的(de)產品設(she)計(ji)：澎思(si)科(ke)技(ji)不(bu)局(ju)限於提供(gong)純(chun)軟(ruan)件(jian)算法(fa)，而(er)是(shi)推出集成(cheng)自(zi)研(yan)算法(fa)與(yu)優化硬件(jian)的(de)軟(ruan)硬壹(yi)體產(chan)品，如(ru)智(zhi)能(neng)人臉抓拍(pai)機、邊(bian)緣計(ji)算單(dan)元(yuan)等。在產(chan)品設(she)計(ji)之(zhi)初，就通盤(pan)考慮(lv)算法(fa)需求、算力(li)配置、功耗散(san)熱、成(cheng)本控(kong)制，實現系(xi)統(tong)級的(de)最(zui)佳(jia)性(xing)能(neng)與穩定(ding)性(xing)。
端(duan)邊(bian)雲(yun)協(xie)同(tong)的(de)彈性(xing)架構(gou)：構(gou)建(jian)“前(qian)端(duan)感(gan)知、邊(bian)緣解析、雲(yun)端(duan)訓(xun)練與(yu)統(tong)籌”的(de)協(xie)同(tong)架構(gou)。邊(bian)緣設(she)備(bei)負(fu)責實時感(gan)知與初步分析(xi)，將(jiang)結(jie)構(gou)化結(jie)果和高(gao)價(jia)值數(shu)據上傳至(zhi)雲(yun)端(duan)；雲端(duan)匯(hui)聚海量數據，進行大規模模型(xing)訓(xun)練、算法(fa)叠(die)代與系(xi)統(tong)管理，再將(jiang)優(you)化後的(de)模型(xing)動(dong)態(tai)下(xia)發(fa)至(zhi)邊(bian)緣端(duan)。這(zhe)種架構(gou)既(ji)保(bao)證(zheng)了實時性(xing)，又(you)實現了算法(fa)的(de)持續進化。
全(quan)棧(zhan)技術棧(zhan)的(de)自(zi)主(zhu)可控(kong)：從(cong)底(di)層的(de)芯片適(shi)配驅(qu)動、推理框(kuang)架優(you)化，到(dao)中間的(de)操作系(xi)統(tong)裁剪(jian)、算法(fa)引擎部(bu)署(shu)，再到上層的(de)業務應用(yong)開發(fa)，澎思(si)科(ke)技(ji)致力(li)於構(gou)建(jian)全(quan)棧(zhan)的(de)技術能(neng)力(li)。這(zhe)使得團隊(dui)能夠深(shen)入整(zheng)個技術鏈(lian)條，針(zhen)對(dui)安防(fang)場(chang)景(jing)的(de)特殊(shu)需求進行端(duan)到端(duan)的(de)深(shen)度(du)優(you)化，解(jie)決(jue)軟(ruan)硬件(jian)結(jie)合(he)處(chu)的(de)“最(zui)後壹(yi)公裏”性(xing)能(neng)瓶頸問(wen)題(ti)。