旷视科技谢忆楠：计算机视觉需要更多的“＋”

摘要作为全球知名的人工智能及技术厂商，旷视科技资深副总裁谢忆楠在芯智讯主办的“2020第四届生物识别技术与应用”上做了主题为《CV＋的技术洞察与实践》的分享。

作为全球知名的人工智能及技术厂商，旷视科技资深副总裁谢忆楠在芯智讯主办的“2020第四届生物识别技术与应用”上做了主题为《CV＋的技术洞察与实践》的分享。

△旷视科技资深副总裁谢忆楠

作为最早从领域切入市场旷视科技来说，很多人一提起旷视，会想到的是旷视科技的“Face＋＋”，将旷视与紧密结合起来。，旷视之所以叫“旷视”的实际含义是“更大的视觉”。

“我们的使命是让机器可以看到世界。”谢忆楠解释到。而机器看到世界往往是通过摄像头，通过摄像头还原图像，一直以来是以人眼作为标准。如何达到甚至超过人眼的水平，然后去理解其背后的信息，这也是CV（计算机视觉）技术发展的方向。

谢忆楠表示“在视觉领域里你能做得越多越好，你才能看理解后能做到什么样。之前旷视主要做，现在我们做算法，可以做更多的事情。”

对于计算机视觉（CV）企业来说，在比拼技术高低的时候，过去通常都是以在某些国际竞赛上拿下了几个第一，识别率达到了百分之多少，这个百分比究竟代表着什么，不知道，只知道越接近100%越好。实际上，CV的价值在于，如何让CV这件事变成“＋”号，如何往下加得更深，如何向前向后延展？

为此，旷视在结构创新、低比特网络（超强性能功耗比）、算法训练的规模化路径、算法自演化、针对移动端的高效卷积、算法与芯片Co-Design以及AutoML等方面做了很多的工作。

“通过与合作伙伴进行算法/芯片Co-Design，再加上低比特方案，我们的算法可以在芯片侧实现超强性能功耗比。AutoML可以自己做演进学习，用自动模型搜索的方式，快速训练算法，某一个场景下用哪个模型做这件事效果最好，这件事显然机器比人更强。”谢忆楠进一步解释到。

在系统层面，旷视还开源了深度学习框架天元，开源了三位一体的自研的AI生产力平台Brain＋＋，通过工程化，极大的提升了效率。在数据层面，旷视还推出了全球最大的精标物体检测数据集Objects356。

回到算法本身，旷视针对包括在内的很多的行业和场景也推出了很多的视觉算法，各个行业和场景都有着不同的要求，这也意味着我们还需要更多的算法。

光有好的计算机视觉算法还不够，要想解决行业所面临的问题，还需要综合很多方面的东西。一方面，提升关联度。比如脸人关联、人车关联、人-事件关联、人-时空关联、人-货关联等。构建以视觉目标为核心的关系图谱，基于关系图谱的数据挖掘引擎；另一方面，识别更广的维度。比如识别更多不同类型的目标、更多人或物的属性、更多的事件（摔倒、奔跑、抽烟、打电话、睡觉等）、更全面的识别各种态势（如人群计数、人流方向、人群聚集、排队长度等）；更高的精度。在感知精度方面，碎片化需求的精度需要逐一优化到99%＋，在检索精度方面，视觉通用，也需要精度的持续演进。

以上这些都是计算机视觉所面临的挑战，只有解决了这些挑战，我们才能获得更大的机遇。“有些挑战可能并不如我们想象那么难，他给我们的机遇蛮大的。比如在这次新冠疫情所需的自动测温设备方面，考验的是各家做CV的公司，做红外的公司，做应用的公司，哪家可以先把视觉、红外和整个系统先打通的能力。你有硬件基储CV基础，又有调和其他硬件结合的基础才能做好这件事。”

对于视觉算法的规模化路径，谢忆楠表示，“第一，需要很多的模型；第二，需要自动模型做算法。”而在这些方面，旷视也已经有了很多的积累。谢忆楠强调，旷视拥有全球规模最大的计算机视觉研究院，研究人员数量超过了500位。

，谢忆楠还介绍了旷视的计算机视觉技术在数字孪生、计算机摄影（超级义眼、屏下摄影）、视觉反馈控制方面的探索与实践，并以旷视“河图”在一汽富维的应用为例，展示了旷视的整仓智能化方案对于物流行业效率的提升。

“会议的主题是‘新挑战新机遇’，技术的突破是我们面临的挑战。技术突破越深，我们才能通过AI创造更多的价值。如果我们沿着之前的技术方向一直往下，真正要实现的东西是对技术不断的深入。CV这件事不断通过‘＋’号越深越广才会越好，才能真正给大家带来更多的价值。”谢忆楠到。

编辑芯智讯-浪客剑