|
前言： 公司最近引入了新设备，这两天我做了一些背景研究和前景预测，写出来跟大家分享一下。 说句题外话，之前提到过，非常欢迎大家分享广涵的原创文章，但是商业转载需要联系我取得授权。最近发现《微头条》把我的公众号(广涵部落阁，guanghan-blog)和文章转载了，虽然没有联系我，但是至少标注了来源和公众号二维码。而某些网站（暂不点名），同样是未经许可进行转载，却连文章来源都没有。如若故技重施，或采取法律手段。希望今后这些网站的运营者能够尊重原创作者的知识产权。
1. 关于背景——什么是Jetson TX1？ 它是一个装有GPU的系统级芯片，可以嵌入在移动设备上。利用GPU强大的运算能力，可以利用到人工智能（artificial intelligence）领域最先进的算法——深度学习（deep learning）。 开发者套件11月16日才发售，我们也刚刚拿到手不久。开发者套件的零售定价为 599 美元，学生价格为 299 美元。独立模块版本则定价 299 美元，2016年首季度发货。 下面图片展示的是开发者套件。  公司配置的新玩具——继TitanX之后，又祭出一件神器：Jetson TX1 development kit。果然有时候公司比实验室更有资源之优势。 这个开发者套件是开箱即用的，自带ubuntu14.04的操作系统，只需简单几行命令就可以set up。 安装JetPack (Jetson Development Pack)之后，就有了所有需要的东西：
 VisionWorks把CUDA和OpenVX封装好，把OpenVX经过CUDA进行GPU运算的优化。而OpenVX具有跨平台特性，所以开发者在编写代码时相当”舒适“。 其中，VisionWorks官方给出了两个workshop的视频，可以帮我们初步了解它。
 OpenVX似乎优势明显，虽然作为一个研究者，平时更多地是接触opencv。
2.关于前景——Jetson TX1能带来什么革命 ： 未来机器人、遥控无人机、监控摄像头、智能汽车都将获得突破。 机器人可以进行人脸核实（face verification）、物体识别（object detection and recognition）、场景识别（scene recognition）、动作识别（action recognition）等等，更好地与人进行交互。 无人机在鸟瞰的视角可以进行动态移动物体的检测和监控。 监控摄像头可以扫描人群，进行人脸识别（face recognition），同时进行异常行为检测（abnormal activity detection）和暴力场景检测（violence scene detection）等等。 智能汽车可以通过车载摄像头获取一个或多个视频录制的街景信息，经过分析综合，实现场景文字识别（scene text detection and recognition），分析路牌店名等。可以结合GPS进行更深层次的信息挖掘（data mining）。还可以利用基于深度学习（deep learning）的计算机视觉（computer vision）算法和其他传感器（sensor）的信息融合（information fusion）实现更棒的自动驾驶。 官方给出了一些初步成功案例，印证了我的期待，比如social robot JOBO，还有遥控无人机Kespy.
除此之外，我预言体育实况转播也将获得突破。与增强现实（AR）结合起来，更直观地表现内容。 在这个网页中，Viz Libero展示了目前可以做到的顶尖水准，但它仍然需要专业的人工干预。 我预测，未来或许会提供虚拟现实（VR）的赛事转播，使得用户戴上虚拟现实设备，能够获得现场观众的视角，像在现场一样可以左顾右盼，和现场其他球迷一样为自己钟爱的球队欢呼。 更进一步，VIP用户可以在某个精彩进球回放时，通过无人机的录制画面，获取球员视角，从主观视角（egocentric view）来”体验“进球的快感。应用在体育教学领域，可以成为更好的教学工具。当然，类似地，也可以成为体育教练更好地讲解分析的工具。 有些公司（比如，VRSE）已经推出了手机和平板电脑上的虚拟现实（VR）app，让我们可以初探究竟。身临其境的演唱会，视频游戏，这些领域最先引起了产业界的重视。 虽然目前的state-of-the-art还不能达到我期待的水准，但不久的未来一定会成为现实。 很高兴我是其中众多研究人员中的一个。当这些都能成为现实的时候，希望我个人的商业计划也可以在那时部署实施。（因为是前所未有的东西，所以暂且卖个长远的关子） 对未来充满期待！
宁广涵 2015年12月2日 |
|
|
