作為中國領(lǐng)先的人工智能技術(shù)及解決方案提供商，北京智芯原動科技有限公司*（以下簡稱：智芯原動），2018年被英特爾投資，一直致力于為用戶提供高效、高準確率、可快速部署的車輛識別解決方案。智芯原動的云端車款識別平臺可識別1600種左右車款，車款信息包括：品牌、型號、年代。為了滿足全球不同區(qū)域用戶對于車牌識別的需求，智芯原動推出了車牌識別解決方案。

　　針對傳統(tǒng)車牌識別方案需要大量數(shù)據(jù)進行訓(xùn)練、部署速度慢、周期長的缺陷，通過搭載自研車牌算法框架，智芯原動海外車牌解決方案能夠在少量（＞1K）車牌樣本條件下快速迭代，僅需2-4周的交付周期即可實現(xiàn)新國家車牌的開發(fā)任務(wù)，且綜合準確率可高達90%-95%，能夠滿足基本應(yīng)用的需求，而且隨著訓(xùn)練數(shù)據(jù)的增加，這一準確率還將繼續(xù)提升。

　　在該方案中，智芯原動使用了基于卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的車款識別方法，并通過MobileNet*、GoogleNet* 等拓撲結(jié)構(gòu)來實現(xiàn)分類推理優(yōu)化。在智芯原動對車牌識別算法進行優(yōu)化之后，有助于在小樣本的前提下實現(xiàn)應(yīng)用的快速開發(fā)及部署。

　　目前，智芯原動車牌識別解決方案已經(jīng)在加拿大、土耳其、新加坡、贊比亞、安哥拉、中國、中國***、泰國、印度等二十余個國家和地區(qū)實現(xiàn)了產(chǎn)品落地。

　　智芯原動與英特爾合作加速車牌識別應(yīng)用的推理性能

　　“要提升基于深度學(xué)習(xí)的車牌識別的推理性能，硬件以及加速工具都是非常重要的影響因素，從這兩方面出發(fā)，我們與英特爾進行了持續(xù)的探索?！敝切驹瓌?CTO 王正表示，“在基于 CPU 的深度學(xué)習(xí)方案中，CPU的性能以及針對人工智能的技術(shù)創(chuàng)新至關(guān)重要，最新發(fā)布的第二代英特爾? 至強? 可擴展處理器針對人工智能應(yīng)用負載進行了優(yōu)化，搭載了VNNI 等技術(shù)，我們很期待通過該處理器來提升推理性能?！?/p>

　　除了使用第二代英特爾? 至強? 可擴展處理器之外，智芯原動還嘗試了在MobileNet*、MobileNet-V2*、GoogleNet*、VGG-16*等多個拓撲結(jié)構(gòu)中，英特爾? OpenVINO? 工具套件分發(fā)版的推理性能。測試數(shù)據(jù)顯示，與英特爾優(yōu)化版本 Caffe 相比，使用OpenVINO? 在 MobileNet 系列分類推理中實現(xiàn)了28.4倍的性能提升，性能提升非常顯著。

　　之所以能夠?qū)崿F(xiàn)如此明顯的加速效果，是因為OpenVINO? 對深度學(xué)習(xí)和傳統(tǒng)的計算機視覺這兩類方法都有很好的支持，其包含一個深度學(xué)習(xí)的部署工具套件，可以幫助開發(fā)者將已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型部署到目標(biāo)平臺之上進行推理操作。OpenVINO? 把人工智能放在邊緣做計算，通過將人工智能和異構(gòu)邊緣計算相結(jié)合，有利于提高性能，整合深度學(xué)習(xí)，加速開發(fā)、創(chuàng)新和定制。

　　“第二代英特爾? 至強? 可擴展處理器 + OpenVINO? 的使用在具體的應(yīng)用實例中，能夠在視頻圖像分析中將推理性能提升到非?？捎^的程度，這不僅在車牌識別應(yīng)用中有巨大的應(yīng)用前景，而且還可以應(yīng)用于廣泛的智慧交通體系之中。通過部署優(yōu)化版的解決方案，將允許用戶部署更少的節(jié)點，同時支撐更多的推理負載，實現(xiàn)更低的總體擁有成本 （TCO）”，智芯原動車牌識別項目負責(zé)人指出。

　　車輛檢測與識別撬動智慧交通市場

　　在智慧交通的龐大體系中，計算機視覺技術(shù)的應(yīng)用是不可或缺的，無論是停車場綜合服務(wù)、道路管理、還是道路卡口綜合檢測，都依賴于高效的面向車輛的視頻圖像分析能力。目前來看，全球范圍內(nèi)的交通周邊產(chǎn)業(yè)都面臨數(shù)字化水平偏低的挑戰(zhàn)，企業(yè)需要拉通這些數(shù)字及信息、實現(xiàn)信息、數(shù)據(jù)共通，產(chǎn)生共有價值，這將為打造智慧交通體系，構(gòu)建智慧城市帶來巨大的契機。

　　基于計算機視覺的解決方案利用增強型深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)以更精密的方式獲取數(shù)據(jù)，將面向車輛識別的分析能力提升到全新水平。深度學(xué)習(xí)等人工智能方法使用經(jīng)過訓(xùn)練的算法，通過分層的神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)中的各個抽象層級進行建模，可幫助構(gòu)建計算機視覺、自然語言處理和圖像識別等復(fù)雜流程，從交通系統(tǒng)中運行的車輛中抽取海量的數(shù)據(jù)信息。

　　從基于英特爾? 芯片的智能攝像頭，到基于英特爾加速芯片的終端計算設(shè)備（如網(wǎng)絡(luò)視頻錄像機、網(wǎng)關(guān)、視頻分析設(shè)備等），再到運行訓(xùn)練和分析功能的云環(huán)境，英特爾提供了非常龐大的產(chǎn)品組合以支持從攝像頭到云環(huán)境的人工智能用例。與智芯原動的合作正是英特爾在計算機視覺領(lǐng)域龐大計劃的具體體現(xiàn)，這些合作還有望在更多的細分行業(yè)生根發(fā)芽，賦能充滿智慧的數(shù)字化時代。