Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

AI芯片赋能未来城市,地平线多款全新产品与解决方案亮相安博会

2018年10月23日-26日,中国国际社会公共安全产品博览会在中国国际展览中心新馆举行。23日下午,拥有国际领先软硬结合AI核心技术的人工智能创业企业地平线发布了其基于AI芯片的未来城市解决方案。

地平线创始人&CEO余凯在演讲中称:现代城市每时每刻都产生大量的数据,这也带来属于人工智能,尤其是边缘计算的巨大机会。

地平线创始人&CEO余凯

余凯称,地平线专注边缘计算,让设备在端就有即时处理数据的能力。在未来城市场景中,计算的实时性非常重要。他举了安防和自动驾驶两个具有代表性的例子:“对安防来说,端的及时响应可以更好的保护人们的生命财产安全,减少犯罪,而对自动驾驶而言,端的及时响应则可能大大降低事故发生率,从而挽救人们的生命。而从另一角度来看,前端计算可以大大节省带宽,把服务器端的负载大大降低,让更多场景下的实时计算成为可能,从而大大提升未来城市居民的生活质量。

他还在演讲中强调:地平线的商业模式是充分赋能,做技术者提供者而非经销商,以求最大化合作伙伴的利益。

通过赋能生态伙伴,地平线将技术落地到各种垂直的业务领域,向合作伙伴提供完备的可开发的工具链,帮助合作伙伴灵活开发自己的应用。

展出多款全新产品 软硬结合先发优势全面落地

地平线XForce边缘AI计算平台

此次安博会上,地平线首次展出了XForce边缘AI计算平台。XForce是基于地平线BPU2.0处理器架构(伯努利架构)的FPGA边缘AI计算平台。通过算法与芯片深度结合的软硬件联合优化,XForce具备强大的视觉感知能力,在功耗和性能方面相对GPU拥有更明显的优势,具备高性能、低功耗、易于集成和使用等特点,可基于稀疏和定点神经网络完成各种深度学习任务,实现人脸和人体抓拍识别、人体行为分析、视频结构化等功能,可保持各项任务指标处于业界领先地位,相比目前主流的开源方案具有明显优势。此外,由于基于地平线BPU2.0处理器架构(伯努利架构),该平台未来可平滑迁移到即将流片的地平线旭日2.0芯片。

地平线高清网络智能摄像机方案

在智能摄像机方案方面,地平线此次展出了多达7种内置地平线旭日1.0芯片的高清网络智能摄像机方案,外形囊括枪机、半球机、筒机等,产品功能覆盖人脸识别、人脸抓拍、客流统计等,这些智能摄像机方案均内置地平线自主研发的嵌入式人工智能视觉芯片 -——旭 日(Sunrise)1.0处理器,集成世界领先的深度学习算法,能够在较低的功耗下(整机功耗均不超过6w),实现前端的大规模人脸检测、跟踪、抓拍、比对、统计等功能,可广泛应用于智慧零售与智慧城市场景。

在智能芯片产品方面,此次地平线还首次展出了多款内置地平线旭日1.0系列芯片的“旭日”人脸抓拍模块和抓拍识别一体模块。该类模块集合地平线自主研发的国际领先的深度学习算法,具备在前端实现大规模人脸检测、跟踪、抓拍、识别的能力,可广泛应用于零售、安防、校园、企业等未来城市多个应用场景。

展出10+解决方案 “芯片+算法+云”触达大量城市应用场景  

依托具备前瞻性的“芯片+算法+云”战略,与多个自主研发的人工智能软硬结合产品,在本次展会上,地平线发布了多达12种针对不同场景的AI解决方案,覆盖智慧城市管理、智慧商业管理、智能安防、智能道路、智能水务等多个城市场景。

除此前公开展示过的大规模人脸抓拍识别方案与地平线智慧零售、智慧城市解决方案外,多个解决方案均为首次亮相。

其中,依托地平线XForce边缘AI平台的地平线密集人群人体分析方案基于地平线BPU2.0处理器架构(伯努利架构),可广泛应用于AIoT边缘计算方向的多个未来城市场景,如商业场景中的客流统计、自动建档、消费者动线、场景热力图、消费者行为分析等,并可在交通、安防等多类城市公共场景中实现高效率的人脸、人头、人体检测,以及多人的人体骨骼点和单例分割。

基于旭日2.0人工智能处理器架构的地平线XForce密集人群人体分析方案

地平线跨镜多目标轨迹动线方案整套系统兼容BPU2.0处理器架构(伯努利架构),可在XForce 计算平台和旭日 2.0芯片平台上运行,融合业界领先的人体检测、人体Skeleton、人体单例分割、单目标跟踪、人体ReID及多目标跟踪等视觉感知技术,实现多摄像头多人的实时轨迹跟踪,适用于大量未来城市商业、安防场景。

地平线人脸自动建档方案是新一代人脸识别典型应用,可在云端自动建档服务器,单机可接入32路人脸抓拍相机,每秒处理超过500人的自动建档请求,在50万人级别的社区/商业场景下,正确建档率超过95%,重复建档率小于110%。

地平线Matrix360°视觉感知方案搭载三块地平线自主研发的Matrix自动驾驶计算平台,搭配4路192FOV鱼眼摄像头和8路59.4FOV窄角摄像头,通过对摄像头安装位置的合理布局,以实现车身周围360无死角视觉感知检测。每块Matrix可同时接入4路720P视频输入,实时处理速度>50fps,每块Matrix的功率仅为31W。

地平线Matrix360°视觉感知方案

地平线车内驾驶员行为分析方案依托地平线DMS产品,为客户提供了一套完整的驾驶员行为检测系统,可用于支持驾驶员身份认证,驾驶员安全行为检测和预警功能,如驾驶员疲劳、左顾右盼、低头、抽烟、接打电话等危险行为。

此外,已经规模化应用于商业场景与多个城市场景的地平线智慧零售解决方和地平线智慧城市解决方案,也在性能上有了大幅度提升。

地平线智慧城市解决方案基于地平线智能安防平台、智能水务监测方案、车辆视频结构化处理方案等一系列自主研发平台及方案。其中,依托“端+云”,地平线智能安防平台具备诸多业内领先能力:基于先进的人脸识别算法,更好地实现人脸管控及人员分析,从而实现安防事件的及时发现,甚至是事先预测,在实现人脸布控、一人一档、人像检索、视频预览及回放等功能的同时,具备部署灵活、开发性好、具备极大成本优势等特点,适用于公安、机场、交通、车站、医院、校园、园区、展馆等大量安防及范安防场景。

地平线智慧零售平台将AI与IoT结合,以服务设计的理念进行整个商业的重新塑造,使零售业管理者精准知晓用户、会员的到店情况以及商品受欢迎情况。通过数据分析进行科学的店铺运营及精准顾客营销,从环境和体验的提升满足顾客消费升级最核心的诉求。

宣布多项合作成果 全面布局未来城市生态

除首次展示多个全新产品与并发布多项解决方案外,地平线还在此次展会上宣布了多项合作成果。

安博会地平线展位人潮涌动

在芯片合作方面,地平线与全志科技达成战略合作,联合推出内置地平线旭日处理器的人脸通行考勤核心模组“旭日X1600” ,以及基于此的万人无感通行考勤方案。此外,地平线AI芯片还全面助力摄像头制造企业智能化升级,本次安博会上,共展出十余款内置地平线AI芯片的不同厂商智能摄像头产品。

在智慧城市合作方面,目前,地平线智慧城市解决方案已助力上海市临港地区智慧交通建设、南汇新城智慧城市建设、湖南省长沙市湘江新区智慧交通建设、某大型机场智慧交通枢纽建设、以及大连平安城市建设等。其中,地平线参与的长沙湘江新区智智能网联汽车检测基地项目为湖南省首个国家智能网联无人驾驶车测试区项目,通过区域路网布置,解决智能网联无人驾驶车场景需求设。该项目的落地也意味地平线未来交通生态格局已经实现从车端延伸至路端。

在智慧零售合作方面,地平线与韩国最大的通讯公司SK电讯(SK Telecom)达成合作协议。双方将在未来城市尤其是智慧零售领域展开深入合作,共同扩展韩国以及全球市场。

在智能驾驶合作方面,地平线与全球四大汽车市场顶级Tier1s和OEMs保持着稳定的合作关系,生态合作伙伴包括奥迪、博世、长安、比亚迪、上汽等。此外,近期地平线还将陆续宣布智能网约车领域,以及与全球顶级自动驾驶企业的重要合作信息。

目前,依托在全球范围内具备先发优势的AI芯片能力,地平线将业务覆盖到包括智慧零售、智慧城市、智慧零售等在内的未来城市全场景。未来,地平线将继续深耕嵌入式人工智能技术,并持续拓展技术与合作生态,以实现面向未来城市场景的全面赋能。

产业地平线AI芯片余凯安博会2018自动驾驶人脸识别边缘计算
1
相关数据
地平线机构

以“赋能机器,让人类生活更安全、更美好”为使命,地平线是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者,地平线致力于通过软硬结合的前瞻性技术理念,研发极致效能的硬件计算平台以及开放易用的软件开发工具,为智能汽车产业变革提供核 心技术基础设施和开放繁荣的软件开发生态,为用户带来无与伦比的智能驾驶体验。

horizon.ai
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~