業(yè)界 | 無人機+深度學習，英特爾ai技術高效助力文物保護

2018-07-26 11:07來源://

原標題：業(yè)界 | 無人機+深度學習，英特爾ai技術高效助力文物保護

科技正在以一種近乎革命性的手段解決生活中真實存在的難題。人工智能的出現(xiàn)，重新定義了文物保護的方法，克服了傳統(tǒng)方式中的困難和挑戰(zhàn)，以更快、更高效的方式解決憑借人力無法解決的問題。

通過英特爾人工智能技術、深度學習技術、無人機技術等，如果實現(xiàn)對于箭扣長城的保護與修繕？答案就在視頻里。

無人機高精度圖像采集：因為長城的跨度很大，修繕之前首先需要進行環(huán)境勘測。傳統(tǒng)的辦法是通過尺子測量以及目測，很難得到精準的數(shù)據(jù)。通過英特爾?獵鷹 8+（intel? falcon? 8+）無人機，工作人員能夠近距離檢測到長城的破損情況，可以獲取高分辨率圖像，幫助文保人員清晰、全面了解長城現(xiàn)狀。

基于英特爾? 至強處理器的 3d 建模和損毀檢測： 這個過程包含了多個算法和步驟。根據(jù)無人機采集的數(shù)據(jù)，采用英特爾? 至強處理器能夠快速分析處理上萬張圖片，并計算出破損的長度和寬度，規(guī)劃修繕所需材料，并提供裂縫和塌方等破損的測量數(shù)據(jù)用于指導物理修繕。有了這些數(shù)據(jù)，修繕團隊就無需再現(xiàn)場測量，而是可以通過 ai 算法得到最終需要的時間、人力、物力和成本。

基于人工智能和深度學習技術的數(shù)字化修復：在 3d 模型損毀識別基礎上，利用最新的 3d 模型對抗生成網(wǎng)絡，以及回歸卷積網(wǎng)絡，對城墻缺損部位進行數(shù)字化修復，并據(jù)此對實際的長城修繕和維護提供指導和參考數(shù)據(jù)。

這將是一個全新的探索，先進的無人機航拍和人工智能技術參與文物建筑的修繕和保護，英特爾的計算技術深度參與其中。數(shù)據(jù)顯示，僅僅 700 米的長城城墻，獵鷹 8+無人機采集了上萬張高分辨率圖像，原始數(shù)據(jù)超過 200gb，整個處理過程會頻繁訪問這些數(shù)據(jù)，還會產(chǎn)生超過 100gb 的中間和仿真數(shù)據(jù)，即便是高性能的計算，處理如此龐大的數(shù)據(jù)量也極其復雜。

解決方案還涉及多種 ai 算法，包括視覺特征抽取與索引，相機參數(shù)恢復，光束平差（bundle adjustment），稠密匹配，幾何模型網(wǎng)格生成，深度神經(jīng)網(wǎng)絡 2d 及 3d 模型訓練，紋理合成等。

英特爾的方案是，基于 xeon 至強可擴展處理器，英特爾固態(tài)盤，同時結合 openmp/mpi 并行優(yōu)化技術，采用針對英特爾 cpu 優(yōu)化的英特爾?深度神經(jīng)網(wǎng)絡數(shù)學核心函數(shù)庫（mkl-dnn），以及面向英特爾架構優(yōu)化的深度學習框架 tensorflow 等工具，高效地實現(xiàn)長城 3d 建模和數(shù)字化修復，并達到厘米級精度的效果。

整個長城 3d 建模和數(shù)字化修復過程中，需要進行大規(guī)模的方程迭代計算，其中一些基于大規(guī)模稀疏矩陣的方程求解會存在收斂穩(wěn)定性問題。這個時候，大規(guī)模矩陣計算庫 mkl 的作用就凸現(xiàn)了，它不僅能夠提升計算效率，還能夠大大提高復雜計算的穩(wěn)定性。

如今，英特爾開發(fā)的 mkl-dnn 庫已經(jīng)廣泛應用在 tensorflow，caffe 等流行的深度學習框架中?？梢哉f，針對深度學習領域不同算法實現(xiàn)的解決方案中，英特爾至強架構是能夠全面高效、低成本支持這么多種算法的理想選擇，并可以明顯提高人工智能修繕長城的效率和速度。

有了更領先的技術和更精準的數(shù)據(jù)，我們創(chuàng)造了更快、更高效的解決問題的辦法，幫助各行各業(yè)解決那些尚未解決的問題。