360 人工智能研究院 李东亮:云端图像技术的深度学习模型与应用

蒲芳洲

2017/11/14 发布于 技术 分类

图像算法和其他算法有哪些区别,如何应对图像高并发、计算密集场景,架构设计上有什么套路?本次主要介绍小水滴里面的图像技术,图像技术开发上遇到的问题,图像技术的应用框架。

文字内容
1. 云端图像技术SA的李C深东C度亮2学01习7模型与应用 360 人工智能研究院 lidongliang@360.cn 2017.10.20
2. 中国最大的互联网安全公司 360电脑安全产品 月活跃数达到4.42亿 360导航 日均独立访问用户为8900万人 日均点击量约为4.51亿次 SACC2017360手机安全产品 移动端用户总数已达约1.49亿 360搜索 稳定拥有35%以上的市场份额 360浏览器 月活跃用户数量为3.03亿 360智能硬件 智能摄像头超400万,儿童手表超 350万,行车记录仪超300万
3. 奇虎360 SA安C全C2—0—17360的基因
4. 新时代的奇虎360 ||||||||||| ||||||||||| 泛||||||||||| | 安全 安 【万物互联的新时代】 |||||||||||| SACC2017线上安全 电脑安全 手机安全 全 线下安全 老幼安全—穿戴 家人安全—家居 企业安全 …… 出行安全—车辆 ……
5. 万物互联的新时代 SACC2017交通 智能手机 智能家居 机器人 AR/VR/MR 穿戴设备
6. 万物互联的核心技术 SACC2017环境 物 视觉感知 语音感知 语义理解 大数据分析 人工智能
7. 视觉感知模型 环境 物 业 SAC数据务C2017 云端 图像 核 检测 识别 心 移动端 视频 分割 跟踪
8. 视觉感知核心问题 核 心 检测 Object Classification Object Detection Person, Horse, Barrier, Table, etc SACC2017 识别 分割 跟踪 Object Segmentation
9. 图像技术的三个核心难点>>小、快、准 小模型 线上速度快 Frequent remote upgrade SACC2017 Cloud processing CPU-constrained, real-time 预测准
10. 视觉感知模型 Forward Block Forward Block convolution convolution 识别 Forward Block SACC2017Forward Block convolution convolution 检测 Forward Block Forward Block deconvolution deconvolution 分割
11. 视觉感知模型-融合 Forward Block Forward Block Forward Block Forward Block convolution convolution 识别 convolution convolution 检测 Forward Block Forward Block Single Frame Predictor SACC2017Forward Block deconvolution Forward Block deconvolution convolution deconvolution deconvolution convolution 分割 分割 识别 检测
12. 视觉感知模型-融合 深度学习 核 Forward Block Single Frame Predictor 心 检测 识别 分割 跟踪 C2017•完全基于深度学习 SAC• 统一分类,检测,分割,跟踪 Forward Block deconvolution convolution ü 通过共享计算提高算法效率 ü 通过多个相关任务共同学习提高算法性能 deconvolution convolution • 稀疏标注 ü 在节省标注工作量的的同时,充分利用视频数据 分割 识别 检测
13. 视觉感知模型-视频 Forward Block Single Frame Predictor Forward Block deconvolution convolution SACC2017Single Frame Predictor deconvolution convolution RNN 分割 识别 检测 检测 Single Frame Predictor RNN 检测
14. 360小水滴摄像机:视觉大不同 C2017小水滴·360智能摄像机 C视觉大不同 SA你不在家时有它在 通过语音人工智能实现求救与留言功能 Cloud-API 每天调用1.5亿次!2000QPS!
15. 系统框架 2017n 根据业务需求,对图像人脸进行识别,将结果推送到业务端 CCn 基于深度学习的准确的人脸检测、特征抽取 SAn 人脸检测占用95%计算资源 n 峰值时会达到1500 QPS
16. 检测-人脸检测/人形检测 场景多样、人脸小、位置边缘 SACC2017 本页图片均来自公开摄像头
17. 检测-人脸检测/人形检测 可缩小尺寸 CPU 时间 GPU SACC2017手机 240P ARM(千元机) 50ms 服务器 720P E5-2630 120ms 2-5ms(K40)
18. 图像技术的三个核心难点>>小、快、准 小模型 线上速度快 Frequent remote upgrade SACC2017 Cloud processing CPU-constrained, real-time 预测准
19. 图像技术的三个核心难点>>小、快、准 数据 工程 SACC2017模型 模型缩减 结构演进
20. 视觉感知的三个核心难点>>小、快、准 Inception结构 SA单尺C度卷积C核 2017 多尺度卷积核
21. 视觉感知的三个核心难点>>小、快、准 稀疏卷积核 Hole algorithm SACC2017 Cross-convolution
22. 视觉感知的三个核心难点>>小、快、准 低秩矩阵分解 • 复杂度分析 • 问题求解 SACC2017
23. SACC2017 最早在人脸标准库上LFW达到99.7%的团队之一!
24. GPU服务框架-图像特点 通用计算(Caffe/Tensorflow/Mxnet) SACC2017输入输出固定,无状态 计算量大、响应->GPU 多任务串联 传输、存储压力
25. GPU服务框架 人形检测 人脸识别 100台-> 10台服务器 300QPS/台(4*k40) SACC轮2询结0果 17
26. SACC2017