QCon北京2018-《未来都市--智慧城市与基于深度学习的机器视觉》-陈宇恒

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/baiyutang

摘要

文档介绍了智慧城市中基于深度学习的机器视觉应用，特别是在智能安防领域的爆发式应用。商汤科技利用深度学习技术构建了超大规模的自我演化分布式智能系统，处理数万到数十万路监控摄像头数据，实现了10-100亿级别的深度学习特征检索，并支持每秒万次的并发检索请求。系统采用云原生技术，如Kubernetes，并结合Go等语言开发，但在性能优化上面临挑战，如GC开销和计算性能低下。文档还探讨了深度学习算法在实际应用中的挑战，包括高准确率需求、模型压缩和硬件优化等方面。

AI总结

《QCon北京2018-《未来都市--智慧城市与基于深度学习的机器视觉》-陈宇恒》

演讲者：陈宇恒（商汤科技联合创始人、架构师，C++/Go/Rust/Ruby开发者，多个开源项目贡献者，NIPS国际会议论文作者）

演讲概要：
1. **智慧城市与机器视觉应用**：
- 智慧城市中，智能安防是机器视觉的重要应用场景。
- 商汤科技利用深度学习技术构建了超大规模的自我演化分布式智能系统。
- 系统采用Kubernetes、Go等技术，处理城市范围内数万到数十万路监控和门禁摄像头数据，支持10-100 billion级别的特征检索。
- 系统特点：
- PB以上级别数据库存储。
- 100PB级别抓拍图片存储。
- 每秒支持万次并发检索请求。
- 城市内所有市民均为系统用户。

2. **技术经验与挑战**：
- Go语言在实际应用中的不足：
- 无法直接控制操作系统线程，CUDA调用需特殊处理。
- 部分标准库依赖反射，性能较差。
- GC带来的开销，百万级别对象缓存需优化，性能可能低于C实现100倍。
- 深度学习算法的挑战：
- 需在准确率和速度间权衡。
- 使用模型压缩算法提升速度，同时保障准确率。
- 利用GPU TensorCore/int8等硬件特性优化性能。

3. **深度学习技术发展与应用**：
- 人脸识别accuracy进展：
- DeepID时代（2015）：97.35%。
- DeepID2（2016）：99.15%。
- DeepID3（2017）：99.55%。
- 特征检索规模提升：
- 2015-2017年：千万级别特征检索。
- 2018-2019年：10-100 billion级别特征检索。
- 应用场景扩展：
-_ai+金融、智慧城市、芯片、无人驾驶、智能手机、医疗图像等领域。

4. **商汤科技发展与价值**：
- 核心技术全球领先。
- 积累融资全球最大深度学习平台公司。
- 共同发展400余家大型客户伙伴。
- 商业营收和行业市占率均为第一。

总结：
演讲聚焦于深度学习技术在智慧城市中的应用，特别是智能安防领域的实践经验。通过构建超大规模分布式智能系统，商汤科技在城市级AI+智慧城市系统中实现了显著成果。技术亮点包括云原生、大规模特征检索、模型优化和硬件加速。同时，演讲也提出了深度学习在实际应用中的挑战和解决方案。