中科院成立新实验室 聚焦人工智能嵌入式深度学习

简介:

刘创中科院深圳先进技术研究院与嵌入式人工智能企业触景无限科技(北京)有限公司近日在深圳共同宣布成立“嵌入式人工智能及机器视觉联合实验室”(下简称联合实验室)。

以深度学习为技术驱动的第三次人工智能浪潮帮助计算机理解大量图像、声音和文本形式的数据。过去,实现人工智能的方式是设备需联网通过云端数据中心进行大规模计算,即设备端采集到数据后上传,计算完成后再返回终端,由此不可避免地带来一定延时。

小i机器人(300024)总裁朱频频曾告诉记者,以深度学习为主要技术驱动的人工智能人工主要分四个层面:云计算,大数据,人工智能,行业应用。而以当下一些人工智能的应用如图像识别等方面,摄像头采集到的大量数据受到网络传输技术与网络环境的影响,在“实时性”会产生一定延时,无法做到对大量的信息进行实时分析。

而嵌入式人工智能则是在本地计算,在不联网的情况下就可以做环境感知、人机交互、决策控制。相较而言,云端致力于如何更好地解决问题,而嵌入式人工智能则强调如何更加经济地解决问题。

联合实验室主要聚焦于嵌入式深度学习的研究与应用,使深度学习在在前端设备上直接运行,具有延时短、保护隐私的独特优势;另一方面,则尝试在安防监控等领域的应用落地,挖掘更多有价值的应用场景。

“比如说G20峰会这种非常重要的场合,不能事后再说,必须在前端识别,阻止犯罪行为和黑名单里的人。G20峰会是怎么做的呢?就是不惜一切代价,把后端该干的事情放到前端。这样做的好处是可以实时控制、防止犯罪,可是不能变成常态。G20峰会结束了,这个活动也就结束了。我们思考的是如何把搞运动式的特殊情况变成常态化的事。”触景无限科技董事长陆凡曾告诉记者。

触景无限的工作人员告诉记者,基于英伟达、英特尔嵌入式芯片,触景无限自主研发的视觉卡系列模组在1:1人证比对的情况下识别率大于99%,在1:50000的情况下(即人脸库的大小有50000个人脸的情况下)识别率大于90%。触景无限研发与应用集中于安防监控、无人机、智能家居等领域。

中科院深圳先进院拥有的多媒体技术研究中心主要致力于计算机视觉、图像处理、模式识别、语音处理、机器学习等领域的研究和开发。其团队开发的深度人脸识别技术在人脸识别世界通用测试基准LFW上获得了99.5%的识别率,位居国际前列。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
18天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
54 3
|
7天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
14天前
|
人工智能 安全 算法
上交大、上海人工智能实验室开源首个多轮安全对齐数据集 SafeMTData
最近,以 OpenAI o1 为代表的 AI 大模型的推理能力得到了极大提升,在代码、数学的评估上取得了令人惊讶的效果。OpenAI 声称,推理可以让模型更好的遵守安全政策,是提升模型安全的新路径。
|
20天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
77 9
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的深度学习与自然语言处理前沿
【10月更文挑战第10天】探索人工智能的深度学习与自然语言处理前沿
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
38 7
|
8天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
36 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
8天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
28 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
8天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
43 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
19天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
43 2

热门文章

最新文章