从视觉感知智能到视觉认知智能

邓志东教授/博士生导师

清华大学智能技术与系统国家重点实验室

清华大学计算机科学与技术系

清华大学人工智能研究院

michael@

从视觉感知智能到视觉认知智能

2019.10.31 成都2019年第七届输电技术年会

邓志东

清华大学智能技术与系统国家重点实验室教授，

人工智能研究院视觉智能研究中心主任

清华大学计算机系教授，博士生导师。现为中国

自动化学会会士，中国人工智能产业创新联盟专

家委主任，中国自动化学会智能自动化专委会主

任，新兴产业百人会专家等。

▫致力于视觉人工智能研究；

▫积极推动“智能+”的跨界融

合发展与产业落地应用实践

提纲O UTLINES

1、人工智能产业生态

2、视觉感知智能成为通用赋能工具与研究范式

3、数据驱动的视觉感知智能面临的主要挑战

4、探索结合数据与知识驱动的视觉认知智能

提纲O UTLINES

1、人工智能产业生态

2、视觉感知智能成为通用赋能工具与研究范式

3、数据驱动的视觉感知智能面临的主要挑战

4、探索结合数据与知识驱动的视觉认知智能

涉及四个维度：

大数据，大计算，算法和应用场景

上游/基础层：大数据，AI 芯片，AI 基础算法，开源代码

框架，AI 基础设施（云-边-端，5G 等）

中游/技术层：视觉引擎，语音引擎，知识引擎

下游/应用层：AI +行业或行业+AI

人工智能产业链划分：

公开评测数据集：视觉物体检测、识别与分割-ImageNet ，MS COCO ，PASCAL VOC-2007 /VOC-2012，Caltech-101，Caltech-256，CIFAR-10，CIFAR-100，MNIST ，US-PS ，SVHN 等；

人脸识别-LFW ，PubFig ，MTFL ，Caltech 人脸数据库，FDDB ，CelebA ，CK+，FER-2013，JAFFE 等；交通标识识别-GTSRB ，TRoM 等

-开放的大数据资源：公开评测数据集是完备大数据，算法性能

仅反映了深度神经网络本身达到甚至超过人类水平的感知能力

产业上游：开放的大数据资源

大数据：真实条件下

有标签的巨量数据

其重要性如同原油一样，巨头企业视之为

AI时代的战略资源！

-落地应用中，开放环境下不存在完备大数据。对大多数长尾应用场景，需要使用尽可能多的高质量大数据（数据“暴力”）。

产业上游：专有的大数据资源

-离线训练；

-基于云平台的在线推断应用；

-基于边缘平台的在线推断应用；

-终端在线推断应用

产业上游：AI加速芯片

-计算能力的大幅度提升，有力地推动新一轮人工智能的发展。大数据深度学习直接得益于计算“暴力”。

产业上游：AI基础算法

★算法：深度监督学习（如深度卷积神经网络，LSTM)★算法：深度强化学习

★算法：对抗性神经网络

★算法：图卷积神经网络，无监督学习

产业上游：开源代码框架

深度学习的开源代码框架：

-谷歌的TensorFlow；-Chollet的Keras；

-Facebook的Pytorch；-微软的CNTK；

-Amazon的MXNet；-加州伯克利的Caffe；-Bengio的Theano；-百度的PaddlePaddle；-华为的MindSpore

产业中游：视觉、语音、知识引擎/OS+平台核心技术

渗透更多垂直应用领域：智能制造，智能安防，智能交通，智能物流，智能金融，智能医疗，智能教育，智能写作，无人零售，智能家居，智能司法，智能农业，智慧城市，智能政务，智能流程自动化/RPA, 5G ，产业物联网，产业互联网，自动驾驶，智能机器人，无人自主系统，生命科学，

AI 产业生态：应用场景

产业下游：AI+

提纲O UTLINES

1、人工智能产业生态

2、视觉感知智能成为通用赋能工具与研究范式

3、数据驱动的视觉感知智能面临的主要挑战

4、探索结合数据与知识驱动的视觉认知智能