0
| 本文作者： camel | 2019-11-02 21:58 | 專題：CNCC 2019 |
雷鋒網 AI 科技評論按：由 CCF 主辦的 CNCC 2019 學術會議于10.17—10.19 日在蘇州成功舉辦。本屆大會以“智能+引領社會發展”為主題，進行了15場特邀報告，3場大會主題論壇、78場技術論壇、22場特色活動，1000家機構代表、8000余人參展參會。
在大會第三天舉辦的“計算機視覺技術賦能智慧城市”分論壇中商湯科技副總裁勞世竑發表了主題為《中日計算機視覺技術：從人臉識別到自動駕駛的產業化歷程》的演講。
勞世竑：湯科技副總裁，車載事業總經理兼日本公司CEO，他在人臉識別技術產業應用上有著突出貢獻，在國際會議和期刊上共發表論文90多篇，并擁有多項國際專利。
以下為勞世竑演講的全文，雷鋒網AI科技評論進行了不改變原意的編輯，內容未經本人確認。
本次報告重點講兩個階段。第一個階段講我們是怎么樣把美國的技術拿來用上，第二個階段講我們中國的技術是怎么超越美國的技術，日本和中國的合作，亦或是中國和日本的合作，次序不一樣，含義完全不同。
首先我要講一個例子，我們當時把CMU的人臉檢測的技術做了一個產業應用。我們有一個客戶，他的公司在世界范圍內沒有那么有名，但是在日本也是一個非常著名的公司。這個公司只做一件產品，主要就是給柯達做洗照片的機器。這個機器當時是完成由沖膠卷到印刷一系列的工作，完全可以用一臺機器進行全部流程的自動化操作，這臺機器需要具備一個功能，就是在印刷照片的時候能盡可能把照片印得好一點，當照片是在背光拍攝的情況下，能夠調整照片的曝光時間，然后把照片印得更漂亮。
當時他們找到了我們，說能不能幫忙做這個工作。正好我們當時剛剛拿到了神經網絡的識別器，然后我們把這個識別器進行改進，大概加速了10倍到50倍這樣的速度，將這個功能提交給了這個公司，成為了一個產品。
后來我們就發現原始速度還是趕不上當前應用的需求，我們在想怎么辦？分析我們在上一個事例中成功的原因，我后來思考了一下，上一次成功的原因并不是說在我們的公司里面有很多的能人，恰恰是因為我們的公司里面沒有能人，沒有博士，所以我們只能到全世界各地去找，能夠幫助我們解決問題的合作對象。在這個過程中，我們就找到了清華的艾海舟老師，他在我們行業里面做出了非常大的貢獻。我和他開始了多年的合作，這是我們在2003年，當時主要的一個成員是艾海舟老師的一個四年級學生黃暢，他和我們一塊把芯片開發出來了。
注：
艾海舟老師：清華大學計算機系教授，主要從事與人臉人體相關的計算機視覺方面的研究，在人臉及人體圖像理解領域提出了一系列性能優越的算法，具有重要的學術價值和明顯的應用價值。發表論文80余篇，授權國際專利1項，國際專利申請4項。
黃暢：地平線機器人技術聯合創始人以及算法副總裁，深度學習專家、前百度主任架構師（T10），長期從事計算機視覺、機器學習、模式識別和信息檢索方面的研究。創立地平線機器人，致力于提供高性能、低功耗、低成本、完整開放的嵌入式人工智能解決方案。
當時大概是35萬注冊了一個芯片，這個芯片后來被日本的各個照相機廠商采用，直到現在為止，依然是世界上占用率最大的一個人臉檢測的芯片。這個芯片可以幫助照相機在對焦的時候，實現準確的把焦點聚焦到人上，而不是到后面的背景上。
在我們完成了人臉檢測的芯片以后，我們把一些精力放在人臉識別上面，當時應該是世界上第一款商用的手機，上面使用了人臉識別的功能，用戶可以通過人臉識別技術直接解鎖手機。后來因為這種手機也在市場上消失了，所以從商業角度來講這是一個失敗的案例?，F在來講人臉識別已經變得非常普及了，蘋果的手機、安卓的手機上都有這樣的功能，在當時在一個非常小的手機上面想要把人臉識別的功能做上去，遇到了非常多的困難，“怎么來減少使用量，怎么樣加快速度”，在這個方面耗費了很多的精力。
具體我想講一下，在這些技術的實際應用中我們究竟做了哪些工作。我們在做人臉識別、人臉檢測的時候，我們需要驗證角度的變化和識別性能的變化有什么關系，我們就設計了一個人臉數據采集的裝置，這個裝置由80臺攝像頭，這些攝像頭能夠采集同期人臉的圖像。依次的采集，就可以得到各種各樣角度的人臉圖像，通過這樣一個裝置，我們就可以搜集到很多不同角度的人臉圖像。雖然看上去是很基礎的工作，但是給我們帶來了后面能把性能做到極致的效果。在日本工程師是非常善于做很小的改進，然后把一個工作做到極致,,這一點就很值得我們學習。
在之后，我們做了一些其它的應用，當時也是一直在想，雖然人臉檢測能夠用在攝像頭上面，能夠做在數碼相機的上面，但是人臉識別對我們來講依然是很大的挑戰。因為在日本也沒有監控的市場，當時我們想要在手機設置人臉識系統沒有成功。當然這有可能也與當時的時代和環境有關系，當時如果能夠做成的話，那么到現在人臉檢測技術可能會發展的更不一樣。
我們后來回頭去想人臉的技術究竟還能用在哪些地方，當時我們想到能夠給汽車行業提供這樣的一個技術，它能夠監控駕駛員的狀態，使得駕駛的行為能夠更安全。這個理念也是非常先進的，如果能夠做成我想這應該是世界第一個駕駛監控體系。在當時還沒有DMS這個概念，我們就自己開發出了芯片，把芯片裝到一個盒子里面，這個盒子還能做很多的工作，可以解決怎么能把圖像拍得更好的問題。
其實現在國內有很多人在做DMS的工作，在做的時候你會發現大家所做的工作都差不多，都是先用一個紅外的照明，然后用一個攝像頭來拍。當遇到戴眼鏡的拍攝者的時候，眼鏡片會呈現出一定的反射，而且在不同的照明情況下性能也會降低，這些問題該怎么來解決？我們就在盒子里面做了非常多的改進，得到好圖像，把效果做的更好。
這個工作當時在2007年已經得到了車廠的單子，很不幸的是發生了經濟危機，汽車行業就把新的項目全部砍掉了，我們這個項目雖然成了一個失敗的項目。但是這個大概過了十年，沉睡了十年以后我們又重新啟動了這個項目，盡管它的技術看上去已經被其它的公司超越。
接下來我要講的是，我后來到了商湯，原來我在那里做的的工作，準確的說應該是在日本的公司所作的工作主要是向中國、美國一些大學的研究機構提一些合作的方案，然后把這些成果帶回去進行產品化。離開了之后，我的工作轉變成了把一個中國公司的技術拿到日本進行產業化，這是一個中國跟日本，或者說中國跟先進國家之間的一個位置的轉換，我覺得還是一個非常有意義的工作。
在這里，我做的一個比較能夠引以自豪的工作，就是把商湯的人工智能技術配給本田，促成了自動駕駛的研發合作項目，這個項目如果說我們當時和清華老師合作是第一次把中國的高科技介紹給日本的公司，這次我們是把中國的高科技的企業介紹給日本的企業，促成了一個平等的合作關系，這個是在中國的科技發展歷程中，也是一個比較少有的例子。
后來我在商湯成立了商湯（日本）公司，主要的業務就是現在和本田一起做的自動駕駛的研發工作，當前的研究工作，與百度或其它的一些公司的自動駕駛會有一些不太一樣，我們更
注重的用攝像頭來實現非常廉價的，能夠提供給一般的用戶乘用車上面使用的自動駕駛的技術。
右圖是我們在日本建了一個自動駕駛的學校，原來是一個駕校，教人的駕校，現在變成了一個教計算機學習的一個自動駕駛的學校。
我們和本田主要是做基于視覺的自動駕駛技術，這里包含了車道線的監測，在各種各樣的環境問題下監測出車道線。我們會挑戰各種各樣的環境，下雨天、晴天、早上、晚上，也在很多極端情況下檢測自動駕駛，做一些道路的區分的學習和汽車的監測，這些功能是一些基礎的功能，我們可能會花很多的精力，追求將技術的可靠性做到極致。
我經常被問到，你們的自動駕駛什么時候能夠用？什么時候能夠推向市場？
我覺得這個道路還是有一點漫長的，我們現在的目標是在2025年前后能夠將自動駕駛技術推向市場。我覺得還有一點值得我們引起注意，日本的車廠在研發新的產品的時候會更注重驗證技術的可靠性，以保證不出事故，這個是比較重要的，是一個更高的優先級的工作。
將來我們在商湯科技也是這樣的，希望能夠用AI來促進自動駕駛的研發，在這個過程里，不光是物體的識別，還需要做一些行為的預測，還包括車內外環境的理解。另一方面還有一個比較重要的，需要把你做出來的系統，它的一些判斷的結果，不光是得到一個結果，而是要能夠知道這個結果為什么是這個結果，深度學習的可說明性這方面我們覺得是一個非常重要的研究課題。
雷鋒網報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
