哈哈(haha)体育

哈哈体育.(HAHA)十年运营,信誉无忧

返回新闻中心

? ? ?

手艺能力

以原创手艺系统为基本，，，，，，，，SenseCore商汤AI大装置为焦点基座，，，，，，，，结构多领域、多偏向前沿研究，，，，，，，，快速买通AI在各个笔直场景中的应用，，，，，，，，向行业赋能。。。。。

申请试用

相识所有案例

相识所有产品效劳

商汤研究

商汤研究始终坚持原创，，，，，，，，一直突破立异。。。。。具有人工智能领域深挚的学术积累，，，，，，，，具备健全的人才作育机制，，，，，，，，已与海内外五十余所一流高校和科研院所建设了深度相助关系，，，，，，，，并与众多行业同仁同心共建AI生态圈。。。。。

申请试用

相识所有案例

相识所有产品效劳

商汤大装置AI云 SenseCore

建设高效率、低本钱、规�；；；；；；� AI 云基础设施，，，，，，，，打造专业的深度学习平台及算法模子系统，，，，，，，，引领AI立异，，，，，，，，助力工业界及学术界探索 AI 界线。。。。。

申请试用

相识所有案例

相识所有产品效劳

商汤日日新大模子 SenseNova

商汤日日新大模子 SenseNova，，，，，，，，可以提供自然语言处置惩罚、图片天生、自动化数据标注、自界说模子训练等多种大模子及能力。。。。。

申请试用

相识所有案例

相识所有产品效劳

水星智能移动终端平台 SenseME

哈哈(haha)体育SenseME 水星智能移动终端平台提供包括SDK、AI传感器和ISP芯片等全套产品，，，，，，，，能够支持诸多物联网装备，，，，，，，，以增进感知智能和内容增强

申请试用

相识所有案例

相识所有产品效劳

火星混淆现实平台 SenseMARS

SenseMARS平台通过对物理天下的数字重修、虚拟化身和软件智能体，，，，，，，，创立全新的陶醉式和交互式的元宇宙体验

申请试用

相识所有案例

相识所有产品效劳

晶识智能零售平台 SenseGalaxy

基于商汤SKU商品识别大模子，，，，，，，，用AI赋能智能结算、库存盘货、纯净度审核等营业场景并快速拓展至智慧商流与智慧物流领域。。。。。

申请试用

相识所有案例

相识所有产品效劳

焦点手艺: 以原创手艺系统为基本，，，，，，，，SenseCore商汤AI大装置为焦点基座，，，，，，，，结构多领域、多偏向前沿研究，，，，，，，，
快速买通AI在各个笔直场景中的应用，，，，，，，，向行业赋能。。。。。

< 返回学术人物访谈

看法 | 商汤科技团结首创人林达华：深度学习遭遇瓶颈，，，，，，，，未来之路需要新的思索

2018-07-05

日前，，，，，，，，由中国盘算机学会（CCF）、雷锋网、香港中文大学（深圳）团结举行的2018 全球人工智能与机械人峰会（CCF-GAIR）在深圳乐成举行，，，，，，，，来自学术界、工业界及投资界的众多大牛，，，，，，，，从产学研多个维度深度分享了AI手艺的前沿研究动态和手艺落地偏向。。。。。

商汤科技团结首创人、香港中文大学-商汤科技团结实验室主任林达华教授，，，，，，，，在此次运动上揭晓了题为“盘算机视觉研究中的新探索”的演讲，，，，，，，，叙述了盘算机视觉未来3~5年的研究偏向。。。。。

林达华教授体现：以前我们要让机械识别动物，，，，，，，，需要人工标注许多动物，，，，，，，，标注本钱很是高。。。。。而人类小时间学习动物往往是看《动物天下》去学的，，，，，，，，这个方法促使我们想到一个要领，，，，，，，，能不可通过看《动物天下》把所有的动物找到。。。。。这内里有一个自然的联系，，，，，，，，纪录片上有字幕，，，，，，，，字幕上有文字，，，，，，，，可以把它和视觉上的场景毗连在一起，，，，，，，，我们设计了框架，，，，，，，，把它的信息几何方面的联系，，，，，，，，以及视觉跟文本之间的联系建设起来，，，，，，，，最后我们获得了一个这样的效果：我们在没有任何人工干预的情形下获得几十种动物很是准确的识别，，，，，，，，没有任何标注。。。。。

以下为林达华教授演讲实录：

今天很是幸运能够在这里分享港中文-商汤团结实验室已往几年的事情。。。。。今天，，，，，，，，我的演媾和前面几位可能会有点纷歧样，，，，，，，，适才几位演讲者在商业领域做了精彩的分享，，，，，，，，信托各人都获益良多。。。。。首先说明一下我并没有直接地去加入商汤在商业领域的运作，，，，，，，，以是各人若是要体贴商汤什么时间上市，，，，，，，，这个问题我是回覆不了的。。。。。可是我能够告诉给各人的是，，，，，，，，商汤公司不是一天建成的，，，，，，，，它今天的乐成也不但仅是三年半的起劲，，，，，，，，它是建设在它背后这个实验室18年如一日的原创手艺积累。。。。。我们今天在这个实验室所做的事情，，，，，，，，它影响的不是商汤今天拿什么工具出去赚取利润，，，，，，，，而是商汤要做一个伟大的科技公司，，，，，，，，在未来的3年、5年、10年要向什么地方走。。。。。

准确率不是唯一的偏向现在人工智能还处于粗放型生长阶段

在已往的8年时间中，，，，，，，，盘算机视觉可以说是取得了一个突破性的希望，，，，，，，，最主要的在手艺上的希望应该是深度学习的引入。。。。。在这个领域有一个很是高级别的角逐叫做ImageNet。。。。。在2012年之前，，，，，，，，这个过失率都是较量高的，，，，，，，，2012年以后由于深度学习的引入，，，，，，，，履历了4年的黄金时期。。。。。在这4年的黄金期内里，，，，，，，，ImageNet的过失率从16%下降到了靠近3%。。。。。

在这里我想问的一个问题是，，，，，，，，深度学习确着实这几年的黄金时期取得了突破性的希望，，，，，，，，可是不是说我们到了现在这个水平，，，，，，，，盘算机视觉的研究已经终结了呢？？？？？？从现在这个水平再往前看3年、5年、10年的时间，，，，，，，，我们未来的研究偏向应该做什么？？？？？？这是我们整个实验室，，，，，，，，也包括商汤一直在思索的问题。。。。。

事实上若是要回覆这个问题，，，，，，，，我们可以看到，，，，，，，，人工智能在已往几年的乐成，，，，，，，，它不是无意的，，，，，，，，也并不但仅只是算法生长的效果，，，，，，，，它是许多的因素历史性地交汇在一起，，，，，，，，促成了这波人工智能浪潮。。。。。

第一个是数据，，，，，，，，哈哈(haha)体育海量数据、运用场景数据的积累，，，，，，，，以及GPU的生长，，，，，，，，盘算能力大幅度的跃升，，，，，，，，在这个基础上，，，，，，，，算法的希望才带来了今天人工智能的乐成和在众多应用场景的落地。。。。。以是我在这里希望向各人转达的信息是，，，，，，，，虽然各人看到人工智能的许多乐成的故事，，，，，，，，看到了算法方面的重大希望，，，，，，，，可是人工智能不是一个魔术，，，，，，，，从某种意义上它就是在重大的数据量、在重大的盘算能力支持下的性能前进。。。。。

这着实从某种意义上是一种很是粗放型的生长，，，，，，，，各人都去追逐一个准确率，，，，，，，，追求性能的目的。。。。。最近几年中国的公司在国际上所有角逐的榜单上都排到了前三名，，，，，，，，可是这是以重大的工程实力和资源投入为价钱的，，，，，，，，这种生长模式是不是可以一连？？？？？？这是我们需要思索的问题。。。。�；；；；；；厥咨疃妊盎蛘呷斯ぶ悄茉谝淹改甑纳�，，，，，，，，我以为有许多的事情，，，，，，，，我们尚有很长的路需要走。。。。。

效率、本钱、质量人工智能生长有多方面差别寄义

在这里分享几个偏向的思索，，，，，，，，第一，，，，，，，，是学习的效率，，，，，，，，是不是充分地把哈哈(haha)体育盘算资源使用起来。。。。。第二，，，，，，，，我们面临重大的数据本钱，，，，，，，，或者标注本钱，，，，，，，，怎样解决这个逆境。。。。。最后，，，，，，，，就是说我们虽然在榜单上拿到了99.9%的准确率，，，，，，，，可是这样训练出来的模子是不是真正知足哈哈(haha)体育生涯或者社会生产的需要？？？？？？这些都是我们要把人工智能落地，，，，，，，，推向更快、更好生长需要解决的问题。。。。。

首先我们讲第一个方面，，，，，，，，效率。。。。。

我适才说过，，，，，，，，我们现在基本上是用粗放型的要领生长，，，，，，，，就靠群集数据、群集盘算资源，，，，，，，，去获得很高的性能，，，，，，，，是资源的竞争，，，，，，，，而不是效率的竞赛。。。。。可是我们未来要怎么生长，，，，，，，，就需要进一步回首我们现在的模子和手艺的模式，，，，，，，，看看尚有没有优化的空间。。。。。优化的原理很是简朴，，，，，，，，就是把好钢用在刀刃上。。。。。

举一个详细的例子，，，，，，，，我们在几年前就最先进入了视频领域，，，，，，，，视频是一个很是需要效率的地方，，，，，，，，视频的数据量很是重大，，，，，，，，一秒钟的视频就是24帧，，，，，，，，一分钟的视频就差未几是1500帧，，，，，，，，基本上相当于一其中型的数据。。。。。使用古板的处置惩罚图像集的方法行止置视频显然是不对适的。。。。。

在2013、2014年的时间大部分的视频剖析要领接纳的是较量简朴的方法，，，，，，，，每一帧都拿出来跑一个卷积网络，，，，，，，，最后把它集成综合到一起举行判断。。。。。虽然说已往几年盘算资源生长非�？？？？？？�，，，，，，，，可是GPU的显存照旧有限的，，，，，，，，若是每一层都放到CNN去跑，，，，，，，，GPU显存只能容纳10帧到20帧左右，，，，，，，，一秒钟的视频就把GPU充满了，，，，，，，，是没步伐对长时间的视频举行剖析的，，，，，，，，这是一种很是低效的模式。。。。。

我们知道视频相邻帧之间是很是相似的，，，，，，，，这一帧跑一次，，，，，，，，下一帧再跑一次，，，，，，，，大宗的盘算铺张掉。。。。。我们看到了这个重复盘算的低效，，，，，，，，我们把这个采样要领重新举行了改变，，，，，，，，改用了希罕采样，，，，，，，，无论多长的视频进来，，，，，，，，我都划分成等长的段落，，，，，，，，每一段只取一帧或几帧出来，，，，，，，，这样我就能对视频有一个完整的时间规模笼罩，，，，，，，，自然剖析出来的效果也会有较量高的可靠性和准确性。。。。。依附这个网络，，，，，，，，我们拿到2016年ActivityNet的冠军，，，，，，，，现在许多现实中使用的长视频剖析架构，，，，，，，，都已经接纳了这种希罕采样的想法。。。。。

在这之后我们进一步拓展哈哈(haha)体育研究领域，，，，，，，，不但仅是做这个视频明确，，，，，，，，我们还进一步做在视频内里的物体的检测。。。。。这也带来一个新的难题，，，，，，，，之前做分类识别，，，，，，，，我们可以分段，，，，，，，，每一段拿出来会获得一个概略上的明确。。。。。可是物体检测没步伐这么做，，，，，，，，每一帧都需要把物体的位置输出出来，，，，，，，，在时间上是不可希罕的。。。。。这一页slide显示了我们在2016年ImageNet角逐视频物体检测项目取得冠军的网络，，，，，，，，详细细节我不说了，，，，，，，，基本上就是把每一帧的特征拿出来，，，，，，，，判断它的类型是什么，，，，，，，，对物体框的位置做出调解，，，，，，，，然后把它串起来。。。。。这内里需要每一帧都要处置惩罚，，，，，，，，其时最厉害的GPU每秒钟只能处置惩罚几帧，，，，，，，，需要大宗的GPU才华把这个网络训练出来。。。。。

我们希望把这样一个手艺用在现实场景，，，，，，，，希望获得一个实时性的物体检测的框架，，，，，，，，要是我们每一帧都是按适才的要领处置惩罚，，，，，，，，需要140毫秒，，，，，，，，是完全没有步伐做到实时，，，，，，，，可是若是希罕地去采，，，，，，，，好比说每20帧采一次，，，，，，，，中心的帧怎么办呢？？？？？？

各人可能想到用插值的要领把它插出来，，，，，，，，可是我们发明这个要领瞄准确度影响很大，，，，，，，，隔10帧采一次，，，，，，，，中心的准确度差别很大。。。。。在新提出的要领里，，，，，，，，我们使用帧与帧之间相互的关系，，，，，，，，通过一个价钱小得多的网络�？？？？？？�，，，，，，，，只需要花5毫秒，，，，，，，，在帧与帧之间转达信息，，，，，，，，就能很好地坚持了检测精度。。。。。这样我们重新改变了做视频剖析的路径之后，，，，，，，，整体的价钱就获得了大幅度的下降。。。。。这内里没有什么新鲜的工具，，，，，，，，网络都是那些网络，，，，，，，，只是说我们重新去妄想了视频剖析的盘算路径，，，，，，，，重新设计了整个框架。。。。。

各人可以看看效果。。。。。上面是7毫秒逐帧处置惩罚的，，，，，，，，我们2016年角逐就是用的这个网络，，，，，，，，后面我们经由刷新之后，，，，，，，，凌驾62帧每秒，，，，，，，，并且它的效果越发可靠、越发平滑，，，，，，，，由于它使用了多帧之间的关联。。。。。

同样我们商汤在做自动驾驶，，，，，，，，需要对驾驶历程中的场景自动地举行明确和语义支解，，，，，，，，这也是一个很是成熟的领域。。。。。但各人的关注点一直没到点子上，，，，，，，，各人关注的是支解的准确率，，，，，，，，像素级的准确率，，，，，，，，这是没有意义的。。。。。我们真正在做自动驾驶，，，，，，，，体贴的是人在你车前的时间，，，，，，，，你有多快的速率判断出有小我私家在那里，，，，，，，，然后做出一个很是紧迫的处置惩罚。。。。。以是在自动驾驶的场景，，，，，，，，判断的效率、判断的速率是很是主要的。。。。。之前的要领处置惩罚每一帧要100多毫秒，，，，，，，，若是真有一小我私家泛起在车前面，，，，，，，，一个紧迫情形爆发在前面的话，，，，，，，，是来缺乏做出反应的。。。。。

使用适才所说的要领，，，，，，，，我们重新刷新了一个模子，，，，，，，，充分地使用了帧与帧之间的联系，，，，，，，，我们可以把每一帧处置惩罚的效能从600毫秒降低到60毫秒，，，，，，，，大幅度地提高了这个手艺关于突发情景响应的速率。。。。。这内里着实也是使用了适才类似的要领，，，，，，，，手艺细节就不说了。。。。。

其次，，，，，，，，我们讲第二个方面，，，，，，，，本钱。。。。。

适才是说效率上我们怎么可以提高，，，，，，，，接下来是数据本钱。。。。。我们经�？？？？？？缧λ�，，，，，，，，人工智能是先有人工再有智能，，，，，，，，有几多人工就有几多智能。。。。。以是今天我们有人工智能的昌盛，，，，，，，，我们不应该遗忘在背后有成千上万像这样的人在背后默默地贡献，，，，，，，，这就是我们数据的标注员。。。。。一些大的公司，，，，，，，，有上万人的标注团队，，，，，，，，这对人工智能生长来说也是一个重大的本钱。。。。。

怎么样把这个本钱降低下来？？？？？？这也是我们天天都在思索的事情。。。。。既然有许多工具我们没步伐用人去标注的话，，，，，，，，我们是不是可以换一个思绪，，，，，，，，从数据、场景内里去追求自己就蕴涵的一些标注信息？？？？？？

这是我们去年的一个事情，，，，，，，，也是揭晓在CVPR上，，，，，，，，这内里我们实验一种全新的方法去学习，，，，，，，，我们图片的标注本钱很是高，，，，，，，，每张图片不但要标注出来，，，，，，，，还要把框框出来，，，，，，，，以前我们要识别动物，，，，，，，，要人工标许多动物，，，，，，，，可是以前我们小时间学习动物，，，，，，，，不是说先生给我一个图片，，，，，，，，给我一个有框的工具去学的，，，，，，，，我们是看《动物天下》去学的，，，，，，，，这个方法就促使我们想到一个要领，，，，，，，，我们能不可看《动物天下》，，，，，，，，把所有的动物找到。。。。。这内里有一个自然的联系，，，，，，，，纪录片上有字幕，，，，，，，，字幕上有文字，，，，，，，，可以把它和视觉上的场景毗连在一起，，，，，，，，是不是可以自动学出来，，，，，，，，为了这一点，，，，，，，，我们设计了框架，，，，，，，，把它的信息几何方面的联系，，，，，，，，以及视觉跟文本之间的联系建设起来，，，，，，，，最后我们获得了一个这样的效果。。。。。

这是我们在没有任何人工干预的情形下获得的几十种动物的很是准确的识别，，，，，，，，没有任何的标注，，，，，，，，就是看《动物天下》，，，，，，，，看《国家地理》杂志。。。。。

除此之外，，，，，，，，我们现在做人脸识别，，，，，，，，有大宗的人脸数据要标注，，，，，，，，这内里有一些自然的数据就是哈哈(haha)体育家庭相册内里有许多人，，，，，，，，这些相册虽然没有标注，，，，，，，，可是内里蕴涵了许多信息。。。。。这是经典影戏《泰坦尼克》的一个镜头，，，，，，，，若是各人只是看人脸很难看出这上面两小我私家是谁，，，，，，，，可是我们往下走可以看到右边是Rose，，，，，，，，可是左边这个穿西装的照旧看不清晰是谁，，，，，，，，这时间若是我们把这个影戏背后的场景识别出来，，，，，，，，你会发明Jack和Rose经常泛起在统一个场景里，，，，，，，，这时间基于这种社交互动的信息，，，，，，，，我们可以自动判断这个穿黑衣服的男生可能是Jack。。。。。我们通过人脸不经由标注的情形下，，，，，，，，就提供了大宗的有意义的数据。。。。。在这项新事情中，，，，，，，，我们尚有用地使用了时间上的关联，，，，，，，，一小我私家从街道这边走到那里，，，，，，，，人脸的样子会爆发很大的转变，，，，，，，，我们照旧可以判断是统一小我私家。。。。。

最后，，，，，，，，是关于质量。。。。。

我们说人工智能，，，，，，，，它着实最终目的是要为哈哈(haha)体育生涯带来便当，，，，，，，，提高我们生涯的质量。。。。。可是我们最近几年人工智能的生长似乎走入了误区，，，，，，，，以为人工智能的质量跟准确率是挂钩的，，，，，，，，但着实我们以为人工智能是有多个方面差别的寄义，，，，，，，，不但仅是质量，，，，，，，，它的质量着实是多个方面、多个条理的。。。。。

给各人看几个例子，，，，，，，，这是最近几年特殊火的一个研究领域，，，，，，，，就是给一张照片看图语言，，，，，，，，让盘算机自动天生一个形貌，，，，，，，，这是用我们最新的要领获得的效果，，，，，，，，各人可以看一下。。。。。

各人可以看到三张差别的图放出来，，，，，，，，我们用最好的这种模子，，，，，，，，它会说统一句话，，，，，，，，并且这句话在标准的测试上分数都很是高，，，，，，，，是没有任何问题的，，，，，，，，但我们放在一起看的时间发明人不是这样语言的，，，，，，，，我们形貌一张图片的时间，，，，，，，，纵然统一张图片，，，，，，，，差别的人都会说差别的工具。。。。。这就是我们在追求识别的时间忽略掉的另外的品质，，，，，，，，包括它的自然性和它的特征。。。。。

为相识决这个问题，，，，，，，，我们在去年另外一个事情上提出了一个新的要领，，，，，，，，它不再把这个内容看成一个翻译问题，，，，，，，，它把它看成一个从概率漫衍中采样的问题，，，，，，，，它认可多样性，，，，，，，，每小我私家看到一张图片会说差别的话，，，，，，，，我们希望把这个采样历程学习出来。。。。。关于这个模子详细的细节，，，，，，，，各人可以看相关的论文。。。。。这里可以看到这个效果，，，，，，，，同样的三张图，，，，，，，，我们可以看到它出来了三句越爆发动的，，，，，，，，能够很好地形貌这个图里特征的语句。。。。。

最后我们把这个事情再往前推进了一下，，，，，，，，我们既然能够天生一句话，，，，，，，，我们也就能天生一段行动。。。。。这是我们最近做的，，，，，，，，我们在想，，，，，，，，我们既然能够天生很生动的一句话，，，，，，，，我们是不是能天生一个很生动的舞蹈。。。。。第一步我们先天生一些简朴的行动，，，，，，，，各人在这里看到的所有这些都是盘算机自己天生出来的，，，，，，，，不是我们写个程序把它形貌出来的。。。。。这个更精彩一点，，，，，，，，也是纯盘算机自动天生。。。。。

对适才的分享，，，，，，，，我再总结一下，，，，，，，，在已往几年，，，，，，，，我们看到人工智能也好，，，，，，，，深度学习也好，，，，，，，，有一个很是突飞猛进的生长，，，，，，，，这种生长是体现在标准数据集上准确率的提升，，，，，，，，体现在许多商用场景的落地。。。。。可是我们回过头来看这一段生长的历程，，，，，，，，我们可以看到着实我们在朝着GDP、准确率高歌猛进的历程中，，，，，，，，着实遗忘了许多工具，，，，，，，，哈哈(haha)体育效率是不是足够高，，，，，，，，我们是不是在透支数据标注的本钱，，，，，，，，我们训练出来的模子是不是真正能够知足现实生涯中对品质的要求，，，，，，，，从这些角度来看，，，，，，，，我以为我们也刚刚在起步。。。。。虽然我们实验室尚有天下上其它许多实验室的探索取得了一些主要的希望，，，，，，，，可是我们还仅仅是处在一个起步的阶段，，，，，，，，在哈哈(haha)体育前面尚有很长的路要走，，，，，，，，希望跟各人共勉。。。。。

您尚未完善信息

完善信息后，，，，，，，，即可下载资料

完善信息跳过，，，，，，，，继续浏览

您尚未登录

您还未登录，，，，，，，，登录方可继续

登录跳过，，，，，，，，继续浏览

请选择您以为需要刷新的地方：

导航欠好用，，，，，，，，不利便找到感兴趣的内容
产品先容信息不敷周全
产品先容信息禁止易懂
页面翻开速率烦懑，，，，，，，，页面浏览不流通/有卡顿
页面不敷雅观
售后效劳欠好找，，，，，，，，体验欠好

跳过下一个

您是否能够抵达本次网站的会见目的？？？？？？

是
否
仍在举行中

下一个

您对商汤官网的知足度怎样？？？？？？

1
2
3
4
5
6
7
8
9
10

很是不知足很是知足

提交

已收到您对商汤官网的评价和建议！

谢谢您的耐心反响~

关闭

产品试用

填写此简朴表格，，，，，，，，我们将尽快联系您！

把您的需求发给我们相识所有产品

商务相助

400 900 5986

周一至周五 9:00-12:00，，，，，，，，13:00-18:00

business@sensetime.com

相助同伴招募

成为相助同伴

您还未登录，，，，，，，，登录方可继续

登录跳过，，，，，，，，继续浏览

您尚未完善信息

完善信息后，，，，，，，，即可下载资料

完善信息跳过，，，，，，，，继续浏览

商务相助

400 900 5986
( 周一至周五 9:00-12:00, 13:00-18:00 )
business@sensetime.com
媒体相同: pr@sensetime.com
投资者关系联络: ir@sensetime.com

社交媒体

微信公众号

【网站地图】【sitemap】