Как пограничный интеллект движет новой волной компьютерного зрения в 2019 году

Водородный момент для компьютерного зрения

2018 год стал переломным для компьютерного зрения: точность детекции объектов и распознавания лиц достигла новых высот. Распространение моделей глубокого обучения — особенно свёрточных и рекуррентных нейросетей — дало мощные готовые к развёртыванию решения. Однако эти достижения имеют цену: модели растут в размере и вычислительных требованиях. Например, YOLOv3, популярный детектор объектов, теперь содержит 106 полностью свёрточных слоёв — более чем в два раза глубже предшественника — в то время как варианты RetinaNet и SSD аналогично повысили производительность ценой усложнения.

Необходимость соответствия новым требованиям

По мере роста развёртываний камер — особенно в сценариях высокого разрешения и живого стриминга — остро встаёт необходимость применения сложных алгоритмов зрения в реальном времени. Традиционный пассивный мониторинг больше не достаточен; камеры должны доставлять проактивный интеллект. Стриминг полноразмерного видео в облако непомерно дорог, потребляет полосу пропускания и подвержен задержкам. С другой стороны, развёртывание стоек высокомощных серверов на месте съедает ценное пространство, электричество и капитал, особенно при масштабировании по множеству локаций. Вызов ясен: как обрабатывать видео от сотен камер одновременно с ограниченными ресурсами?

Решение: видео на границе (Edge)

Ответ лежит в пограничных вычислениях. Встраивая надёжные возможности инференса прямо в камеры или развёртывая компактные edge-апpliance между камерами и облаком, нагрузки можно распределить по множеству устройств. Этот сдвиг поддерживается растущей экосистемой низкоэнергетических высокопроизводительных AI-процессоров. Серия NVIDIA Jetson доставляет инференс в реальном времени во встраиваемом формате, а Intel Myriad и Neural Compute Stick — продукты покупки Movidius — предлагают подобные эффективные решения. Новые игроки вроде Mythic и Graphcore привлекли сотни миллионов венчурного капитала, а гиганты Google и Amazon представили свои edge-чипы, подчёркивая стратегическое значение на-device интеллекта.

Что дальше

Edge-based vision откроет новое поколение реальных инсайтов. Пассивные видеорекордеры превратятся в активных стражей — обнаруживающих детей под риском утонуть, флагующих оружие возле школ, автоматически открывающих защищённые двери и выявляющих производственные дефекты. В ритейле камеры будут отслеживать движения покупателей для оптимизации потоков и сокращения очередей, а соблюдение безопасности на заводах — мониториться в реальном времени. С более чем миллиардом развёрнутых камер и ещё миллиардом в перспективе, пограничная обработка призвана сделать каждую камеру по-настоящему умной.

Компании вроде Kogniz уже предоставляют сервисы видеointelligence, использующие edge-апpliance — автономные камеры и адаптеры для существующих IP-блоков — позволяя по требованию развёртывать инфраструктуру легко по неограниченному числу камер и сайтов.

Джед Путтерман является со-CEO Kogniz. Мистер Путтерман основывал несколько технологических венчур, включая Snapcentric (приобретён VeriSign) и Allerez (приобретён Mercury Interactive Corporation). Начал карьеру в Oracle Corporation и консультировал крупные фирмы вроде Sun Microsystems, SGI и Aspect Communications. Выпускник UC Berkeley.