近日，在國(guó)際計(jì)算機(jī)視覺競(jìng)賽PASCAL VOC，中星微以89.0分的總成績(jī)位列第一，獲得目標(biāo)檢測(cè)單模型第一名。獲勝的模型是一步法的目標(biāo)檢測(cè)模型，本文帶來技術(shù)詳解。

近日，在PASCAL VOC comp4目標(biāo)檢測(cè)競(jìng)賽中，中星微再創(chuàng)佳績(jī)，獲得了目標(biāo)檢測(cè)單模型第一名。

Pascal VOC是世界計(jì)算機(jī)視覺領(lǐng)域知名的競(jìng)賽，比賽中，參賽者要對(duì)人、貓、鳥、飛機(jī)、汽車、船、盆栽等20類物體進(jìn)行檢測(cè)。由于訓(xùn)練樣本較少，場(chǎng)景變化多端，非常具有挑戰(zhàn)性。中星微人工智能參賽團(tuán)隊(duì)VIM_SSD以89.0分的總成績(jī)位列第一。

中星微人工智能芯片技術(shù)公司董事長(zhǎng)兼總經(jīng)理張韻東表示：“本次參賽的模型適合終端設(shè)備部署的簡(jiǎn)單模型一步法算法，能夠取得與云端服務(wù)器復(fù)雜多模型算法相媲美的結(jié)果，實(shí)屬不易。作為人工智能芯片公司，我們不僅要在芯片設(shè)計(jì)方面精益求精，同時(shí)更要在算法的精簡(jiǎn)優(yōu)化方面取得突破，為客戶提供前端智能設(shè)備的整體解決方案?！?/p>

一步法目標(biāo)檢測(cè)模型

中星微本次提交的深度學(xué)習(xí)模型和上次參加比賽的深度學(xué)習(xí)模型基本一致，仍然沿用了一步法的目標(biāo)檢測(cè)模型，基礎(chǔ)網(wǎng)絡(luò)采用VGG16，并未使用ResNet-101, ResNet-152等更復(fù)雜的網(wǎng)絡(luò)，保證精度的情況下速度更快。第一次參加比賽的成績(jī)是87.6，這次是89.0，精度提高很多。該結(jié)果不僅領(lǐng)先于所有的一步法算法，同時(shí)擊敗了所有的二步法算法。

中星微人工智能芯片技術(shù)公司研發(fā)副總裁艾國(guó)表示：“本次我們深度學(xué)習(xí)模型是上次模型的全面升級(jí)，仍然沿用了一步法的網(wǎng)絡(luò)架構(gòu)，重點(diǎn)改進(jìn)和優(yōu)化了訓(xùn)練相關(guān)的方法和技術(shù)，在不增加算法復(fù)雜度的情況下，使得網(wǎng)絡(luò)的精度越來越高，這是我們公司要打造的核心技術(shù)。在前端嵌入式設(shè)備計(jì)算資源受限的情況下，我們通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練的方法提高精度，而不是不斷增加網(wǎng)絡(luò)復(fù)雜度?！?/p>

VOC 2012數(shù)據(jù)集圖片測(cè)試結(jié)果

不僅是單模型，而且是一步法，尤其適用于嵌入式NPU

多模型融合是深度學(xué)習(xí)比賽中經(jīng)常使用到的一個(gè)利器，它通?？梢栽诟鞣N不同的機(jī)器學(xué)習(xí)任務(wù)中使結(jié)果獲得提升。顧名思義，多模型融合就是綜合考慮多個(gè)不同模型的情況，并將它們的結(jié)果融合到一起。

雖然通過模型進(jìn)行融合往往效果較好，但是其實(shí)現(xiàn)代價(jià)和計(jì)算開銷也比較大。目前，中星微主要是從實(shí)際項(xiàng)目應(yīng)用的角度來考慮，特別是前端應(yīng)用，一般都是單模型。當(dāng)然，后期也會(huì)考慮使用模型融合，來提升比賽結(jié)果的精度。

下表是目前PASCAL VOC競(jìng)賽前十名，可以看出，下面算法中大部分應(yīng)用了更復(fù)雜的基礎(chǔ)網(wǎng)絡(luò)ResNet-101和ResNet-152，并且是兩步法，也有多模型融合（ensemble）。而中星微的模型不僅是單模型，而且是一步法，在嵌入式NPU可以達(dá)到很高的幀率。

阿里巴巴達(dá)摩院多模型融合網(wǎng)絡(luò)Ali_DCN_SSD_ENSEMBLE的得分是89.2，只比中星微單模型網(wǎng)絡(luò)高了0.2點(diǎn)，而阿里巴巴達(dá)摩院FF_CSSD（VOC+COCO, one-stage, single model）一步法單模型的精度是88.4，基礎(chǔ)網(wǎng)絡(luò)是ResNet101，和中星微差了0.6個(gè)點(diǎn)。

從安防監(jiān)控到保護(hù)瀕危野生動(dòng)物，應(yīng)用場(chǎng)景廣泛

目標(biāo)檢測(cè)技術(shù)應(yīng)用廣泛，是AI場(chǎng)景落地的關(guān)鍵性技術(shù)之一。中星微的深度學(xué)習(xí)模型運(yùn)行在前端智能設(shè)備（如智能攝像頭上），廣泛用于安防監(jiān)控、安全生產(chǎn)、環(huán)境保護(hù)、個(gè)人健康監(jiān)測(cè)等領(lǐng)域。

下面是一個(gè)環(huán)境保護(hù)的例子，在我國(guó)西部及藏區(qū)應(yīng)用，其采用人工智能、深度學(xué)習(xí)對(duì)野生保護(hù)動(dòng)物進(jìn)行檢測(cè)、識(shí)別、統(tǒng)計(jì)。從而達(dá)到對(duì)野生動(dòng)物保護(hù)，生態(tài)環(huán)境平衡的目標(biāo)。根據(jù)國(guó)家要求，增強(qiáng)保護(hù)野生動(dòng)物、保護(hù)環(huán)境的意識(shí)，特別是對(duì)瀕臨滅絕的野生動(dòng)物的研究和保護(hù)，更要加大力度；要從科研、技術(shù)角度解決野生動(dòng)物保護(hù)和數(shù)量的實(shí)時(shí)狀態(tài)。

如下圖，是對(duì)藏羚羊的檢測(cè)、識(shí)別、統(tǒng)計(jì)：

如下圖，是對(duì)藏野驢的監(jiān)測(cè)、識(shí)別、統(tǒng)計(jì)：

概念說明

精度：目標(biāo)檢測(cè)中衡量識(shí)別精度的指標(biāo)是mAP（mean average precision）。在多個(gè)類別物體檢測(cè)中，每一個(gè)類別都可以根據(jù)recall和precision繪制一條曲線，AP就是該曲線下的面積，mAP是多個(gè)類別AP的平均值，理論上最高mAP為1.0，也就是我們說的100分，89分其實(shí)就是0.89 mAP，下面是示例說明。

前端智能和云端智能：前端智能是將智能分析算法嵌入到前端設(shè)備，拿安防攝像機(jī)舉例，就是攝像機(jī)采集的視頻內(nèi)容立即進(jìn)行分析，提取出畫面中關(guān)鍵的、感興趣的、有效的信息，形成結(jié)構(gòu)化的數(shù)據(jù)。前端智能因受各種資源限制，需要對(duì)算法復(fù)雜度、網(wǎng)絡(luò)模型大小等有限制。

云端智能是將前端傳感器采集的數(shù)據(jù)通過云端來完成智能分析，一般通過大型的GPU服務(wù)器來完成。因此相對(duì)于前端智能，計(jì)算資源、內(nèi)存資源、存儲(chǔ)資源、網(wǎng)絡(luò)資源等都較大，因此對(duì)算法模型的限制比較小，可以部署很大的很復(fù)雜網(wǎng)絡(luò)模型。