31 mars 2018, parrainé par le Lei Feng événement AI réseau - "2018 Sommet Chine Intelligence artificielle sécurité" tenue à Shenzhen Science Park Branch Hing International Conference Centre.

Dans son discours, une partie de la matinée, directeur de Biometrics et Centre de recherche en sécurité Académie chinoise des sciences, le scientifique en chef Professeur Li Ziqing Keao Sen a dit points de douleur AI + et les problèmes de sécurité de l'avenir, ainsi que trois percées techniques qu'ils ont obtenus.

Li Ziqing à l'Assemblée générale a noté que la charge statique de la technologie de reconnaissance des visages a maintenant à sa fin, la technologie dynamique de reconnaissance faciale pour améliorer la recherche et de l'application est en plein essor, la grande données « sécurité AI + » une direction importante du développement. Il avait une « AI + sécurité « quelques points de douleur Les au milieu du discours:

• l'apprentissage de profondeur a besoin de grandes données de formation supervisés, de temps annotation manuelle;

• la performance de l'algorithme d'apprentissage profondeur progrès ralentit, en avant et à proximité du plafond;

• Du point de vue de l'application, le taux de fausse reconnaissance dynamique est trop élevée, les processus de production et de grandes ressources de données sous-utilisées;

• données visuelles du point de vue de la source, la qualité d'image de la caméra de surveillance est toujours affectée par une faible lumière, lumière vive et rétro-éclairé.

Lizi Qing a souligné la nécessité de tirer profit des grands processus de production de données d'auto-étude, les données de formulaire et de mise à niveau du moteur d'IA boucle fermée, les performances du moteur dynamique de reconnaissance faciale à un niveau super élevé, pour répondre à la demande réelle, Sur cette base, la à travers le temps et l'espace les données vidéo grand tri regroupées en une seule personne, un engrenage - la technologie de base ultime qui est la grande identification du personnel de données par une seule personne, un fichier peut faire beaucoup de choses, par exemple, à travers le temps et l'espace ciblé pour la recherche, l'extraction de trajectoire cible, l'analyse des réseaux.

Ce qui suit est une conférence enregistrement Lizi Qing, Lei Feng réseau n'a pas changé l'intention de l'éditeur:

L'hôte a remercié, l'hôte a dit ceci est juste un événement, il est vrai. Voici les entreprises géantes de sécurité traditionnelles, les entreprises émergentes AI, également à Shenzhen entrepreneurs locaux ainsi que des policiers de première ligne.

Les entreprises traditionnelles, comme Hikvision, Dahua, selon Yu monde, Albert et sont donc mon vieil ami, Ali Baba comme un empire commercial participent également à la conférence, en plus de la dynastie des Shang, vue dégagée, horizon attend mon homologues du milieu universitaire, sont très heureux d'avoir un tel événement de sécurité AI +.

Aujourd'hui, je veux dire sur le sujet de « AI + Sécurité: des solutions innovantes pour actuels, futurs permettant, » le cur de l'innovation.

Aujourd'hui je parle cinq aspects:

(1) des applications technologiques et de sécurité AI;

(2) Keao Sen dans le processus d'innovation;

(3) les produits de sécurité vidéo intelligente;

(4) AI + sécurité: les points douloureux problèmes et perspectives; de

(5) la technologie Ke Aosen percées.

avant en trois parties que nous pouvons ignorer le passé, le téléphone peut jouer, assoupir après les deux parties, nous pouvons réveiller et voir.

Les applications de sécurité, la technologie AI et travaux de recherche liés

La sécurité se compose de deux grandes catégories:

• La première consiste à surveiller la classe, la liste noire de l'attention, qui est le principal objectif aujourd'hui;

• La deuxième catégorie est autorisée, se concentrer sur la liste blanche, en plus des finances, des applications en libre-service, la sécurité est également très préoccupé par, comme la gestion des importations et des exportations. Hier, j'ai participé à un dispositif biométrique mobile pour développer la conférence des normes nationales, l'authentification liée à Internet, l'autorisation qui appartient à la classe de sécurité.

Ici et la recherche connexe AI, du point de vue technique de base, impliquant l'apprentissage de la machine, la vision par ordinateur, des puces, de l'application en termes de produits, y compris la sécurité intelligente, finances intelligente, le transport intelligent, robots et plus encore. De plus, les données sont grandes d'une partie très importante, mais aussi le centre d'attention à dos de conversation.

En fait, a été introduit il y a dix ans dans l'analyse du renseignement de sécurité, et a été en cours, est maintenant la troisième vague de l'apprentissage en profondeur AI apporte. Je suis un témoin et un participant actif dans ce processus.

Je suis revenu en 2000, Microsoft Research a développé pour la première fois de réel système mondial de reconnaissance faciale. 2004 a rejoint l'Académie des Sciences de Chine a travaillé sur des applications de sécurité pour la reconnaissance faciale et la vidéo intelligente. I et du côté de Shenzhen de la sécurité est sonner très agréable, en 2005, j'ai conçu et mis en uvre une entrée libre-service et système d'autorisation de sortie des ports de Shenzhen, l'eau et plus tard fait un système d'identification des clients Shenzhen douanes, En outre, j'ai aussi conçu et mis en uvre 2008 Pékin billets Olympiques réel système de vérification du nom des personnes, gestion de la sécurité d'entrée Expo universelle de Shanghai.

Du projet national de recherche est concerné, je suis responsable de la reconnaissance faciale onzième quinquennal, la science nationale Douzième quinquennal et du programme de soutien de la technologie et les treize Cinq grands projets de la sécurité publique, l'analyse vidéo et la recherche structurée vidéo et le développement.

Treize Cinq actuellement dans la mise en uvre de ce projet majeur, continuer à approfondir les techniques de structuration vidéo, y compris structurée face, les caractéristiques d'identité, le sexe, l'âge, l'origine ethnique, etc., la description des piétons de la structure, y compris une description des différentes parties du corps et transporter des objets; et un véhicule structuré - ce sont les grandes questions maintenant les données vidéo sont les plus préoccupés.

Sous 2009 j'ai proposé le concept de reconnaissance des objets / services de cloud computing, la surveillance vidéo reconnaissance faciale, la reconnaissance du visage et un téléchargement Web de navigateur mobile de reconnaissance du visage unifié dans un cadre unifié pour fournir un soutien par le serveur back-end . service cloud de reconnaissance faciale est maintenant très populaire dans la sécurité, les finances, la sécurité sociale et d'autres industries ont été très largement utilisé.

En 2010, j'ai proposé le concept de la vision intelligente des choses, est d'élargir davantage la reconnaissance des services de cloud computing. Le fond est l'entrée de données, les données recueillies par les différents types de capteurs visuels, via Internet, des réseaux de télécommunications, le filet de sécurité publique à la sécurité publique de la plate-forme de collecte de données, et le nettoyage de l'agrégation de données d'image, et une analyse intelligente des données vidéo, y compris divers outils d'analyse vidéo, est les applications d'entreprise haut, comme la reconnaissance faciale, vidéo jugé.

Vision des choses intelligentes à Wuxi Sécurité publique PUC pour atteindre un palier, qui est d'abord des applications de sécurité municipales de reconnaissance faciale et la vidéo intelligente de la Chine. Nos résultats par le gouvernement municipal de Wuxi de recommander l'élection en 2013 du World Smart City Expo et a remporté le prix.

Notre international innovant a également eu un impact sur l'Institut national américain des normes et de la technologie et le ministère de la Défense a publié la base de données et de projets de technologie d'application, y compris la reconnaissance faciale proche infrarouge est l'une de mon invention, il est possible de mettre la première personne du monde la technologie de reconnaissance faciale en produits, de nombreux fabricants nationaux adoptent, en particulier dans l'usine de Shenzhen, en plus de reconnaissance d'images hétérogènes.

En 2011, j'ai été invité par l'UE à participer au programme de recherche de l'UE-cadre, et il y a 12 équipes, nous sommes la seule équipe en Afrique et en Europe.

Ce projet de recherche est une biométrie d'attaque de la prothèse ainsi que contre la technologie de prévention correspondant. Des études antérieures ont porté sur la précision de la reconnaissance des visages, mais dans la classe d'autorisation d'applications, si vous ne pouvez pas résister aux attaques biométriques contrefaites, telles que des photos de visage, des vidéos, même si le taux sera cent pour cent exact, est pas bon. Ainsi, dès le début de 2009, nous avons commencé à faire face la recherche technologique de sécurité de la reconnaissance et le développement, les résultats de mes autres innovante, la technologie anti-contrefaçon face multispectrale, les yeux et la reconnaissance faciale in vivo anti-contrefaçon technologie et de l'équipement nous voyons maintenant, J'étais ici. Notre étude approfondie binoculaire multi-spectrale pour identifier la solution idéale pour les systèmes de télévision en circuit fermé 3,15 l'an dernier face exposée des failles de sécurité de reconnaissance. Il est à cause de notre travail original dans ce domaine, il a invité à participer à des projets européens.

2012 revue Science World top Festival « Science » pour que j'ai interviewé, a présenté nos réalisations dans la reconnaissance faciale, l'analyse d'images et les aspects visuels des choses, et afin d'illustrer la force nationale de la Chine et sa capacité à innover augmente rapidement dans ces domaines faire chef de file international, et a gagné les éloges de leurs homologues internationaux.

produits de sécurité intelligents ainsi que des points de douleur actuels

Ici pour parler de produits de sécurité intelligents.

La première est la dynamique de suivi du visage humain. La technologie de reconnaissance faciale statique et la recherche de l'application est venu à une fin, la technologie dynamique de reconnaissance faciale pour améliorer l'application est en plein essor en cours, discussions sur les points douloureux derrière eux.

D'autres produits typiques comprennent la classe d'autorisation d'authentification et canal portes d'équipement en libre-service, est maintenant en cours d'utilisation, l'avenir sera plus vaste. La province du Hebei publié la semaine dernière une auto-assistance gérer le système fiscal, nous offrons une machine self-service où la technologie d'identification et des portes d'accès et de la solution globale. Il existe également des systèmes invités, accès communautaire, appareils de reconnaissance de corps vivant jumelles et le produit du module de sécurité.

Keao Sen a beaucoup équipe n ° 1 des innovations et des inventions, y compris les projets nationaux, les documents publiés, la technologie de base, nous avons conçu et mis en uvre premier système de reconnaissance faciale en temps réel, la première à grande échelle du monde du monde biologique reconnaissance système automatisé de passage frontalier, le premier système de vérification de billets de reconnaissance faciale,, les yeux face à l'équipement de sécurité le premier dispositif de reconnaissance de visage pratique du monde des produits (proche infrarouge) du monde (+ visible proche infrarouge), qui sont Keao Sen dans le premier.

Nous présentons la première reconnaissance du visage du monde des choses / services de cloud computing, côté unifié de reconnaissance faciale PC, le côté du téléphone et la surveillance vidéo, également proposé et mis en uvre la vision intelligente des choses.

Hier (30 Avril) J'ai participé aux discussions a des normes nationales chinoises, en matière d'identité biométrique équipement mobile, la Chine face brosse mobile utilisé, je crois dans le plus grand du monde grâce à nos efforts, la norme nationale chinoise deviendra normes internationales.

Ensuite, parler de la question de la sécurité, AI, gros volumes de données.

Tout d'abord, du point de vue de l'application de la taille de la taille des données, je suis un district à titre d'exemple, supposons que 1000 vidéo, à Shenzhen, est probablement la taille d'un village, utilisé pour portrait de capture, avec 20 millions de personnes dans la comparaison liste noire do. En supposant que chaque caméra pour capturer toutes les 5 secondes un visage humain, la zone à capturer 200 images par seconde, générant 017.300.000 face capture tous les jours, dans la bibliothèque du nombre avec plus de 20 millions de personnes est 017300000 * 200000, environ 3.456 billions de fois. Taux de reconnaissance des entreprises est souhaitable au moins 90%.

Avec problème des points douloureux comme une vidéo de surveillance de la reconnaissance faciale dynamique est maintenant que le taux de fausse alarme est trop élevé, la sécurité publique et espère sincèrement d'utiliser cette technologie pour améliorer le niveau de prévention et de lutte contre le crime, mais si le taux de faux positifs est trop élevé, trop pleuré loup « a finalement dû abandonner l'utilisation de l'utilisateur.

Puis parler AI. Maintenant, nous sommes dans la troisième vague de la grippe aviaire.

Je suis allé étudier au Royaume-Uni en 1988, le premier arrêt est l'Université d'Edimbourg Département de l'IA, AI deuxième vague a frappé, a été basée sur l'école symbole Juche, lorsque le réseau de neurones est également présent, mais il est relativement faible, tant en fait ne fonctionnent pas à l'époque. Après des mois de recherche, je refusais méthode de symbolisme, embrassé connectionism, qui est, les réseaux de neurones, je commence à partir des statistiques et de la théorie de l'optimisation, construction fonction d'énergie, en utilisant l'analyse ascendante, grâce à l'analyse des données et l'apprentissage automatique, la recherche de la solution optimale, jusqu'à aujourd'hui.

AI est maintenant la troisième vague est causée par la profondeur de l'apprentissage. l'apprentissage en profondeur, il y a trois éléments très importants: le premier est le réseau de neurones profond, le réseau de neurones est pas une chose nouvelle, mais en ce moment un plus profond, des problèmes plus complexes peuvent être résolus, le second est un apprentissage supervisé, grande formation de données, la première en troisième lieu, calcul parallèle haute performance.

Décembre l'année dernière, Caixin a une courte vidéo, Kai-Fu Lee de parler de l'IA et les grandes données ( Caixin a conclu que: une certaine taille et de la qualité de l'intégration des données est une contrainte majeure au développement de l'industrie de l'intelligence artificielle.

Sogou CTO YANG Hong-tao a dit, il n'y a pas assez de données pour résoudre le problème. Je pense qu'il devrait dire qu'il n'y a pas suffisamment de données pour résoudre le problème de l'étiquetage. La production des processus trop de données.

Kai-Fu estime que l'annotation manuelle résout pas le problème fondamental, nous avons maintenant à développer le moteur de profondeur a rencontré un tel problème. Il doit être marqué dans la vraie scène à l'aide d'une rétroaction en boucle fermée afin de résoudre vraiment le problème de la grande annotation de données, favorisant ainsi l'AI à un niveau supérieur.

Cela conduit aux points de douleur de notre technologie et les applications.

L'apprentissage supervisé exige une grande données de formation en profondeur. Mais le temps d'annotation manuelle peut être utilisé pour marquer les ressources humaines, financières et de temps sont limitées. Bien que la portée de l'apprentissage supervisé il y a une place pour le développement, par des algorithmes d'amélioration, l'amélioration de l'architecture de réseau et d'autres moyens d'accroître les données de marquage, mais ce n'est pas une grande place à l'amélioration, je pense, par rapport au développement rapide après 2014, son développement a ralenti, près du plafond.

De l'application concerne, je l'ai dit tout à l'heure d'identifier dynamiquement le taux de faux positifs est trop élevé, il n'a pas profité pleinement des grandes ressources de données, d'améliorer le moteur de base de la nécessité de données de marque, et des données d'annotation de traitement nécessité de compter manuellement. Ceci est un goulot d'étranglement dans le développement et l'application de la technologie AI.

Par conséquent, nous devons réaliser Kaifu dit, les données formant un scénario en boucle fermée, les processus de production pour tirer parti des données importantes pour l'apprentissage indépendant.

D'autre part, les données du point de vue de la source, la qualité visuelle de la sortie du capteur d'image, toujours affectée par une faible lumière, et la lumière du rétro-éclairage, ce qui encore les performances de reconnaissance de diminution, en particulier à l'extérieur, des scènes dynamiques. Bien qu'il existe maintenant une dynamique large, caméras Star-classe, mais cela reste un problème très grave.

Une tendance qui est associée au développement du capteur visuel 3D, de Kinect pour iPhone X à Lida. Les capteurs peuvent fournir des informations de profondeur en trois dimensions, complète les informations en deux dimensions, peut améliorer la capacité et le niveau des applications AI.

percées technologiques et résumé

Enfin, trois la plupart des avancées technologiques récentes d'une brève introduction Keao Sen:

(1) Big Data fermée auto-apprentissage en boucle;

(2) à une personne à partir d'un grand fichier de données;

(3) une nouvelle génération de caméras intelligentes.

Ce sont les trois très original, unique en son genre, le seuil est très élevé, et il y a une grande valeur dans des percées technologiques.

Regardez d'abord la grande boucle des données de l'étude indépendante. Nous avons l'acquisition de données frontal, les données renvoyées après avoir rampé grand centre de stockage de données, en arrière-plan, nous avons le moteur de base, bien sûr, cela pourrait aussi être l'extrémité avant du moteur de base, l'autre doit être formé en arrière-plan.

Nous avons entendu AlphaGo, plus tôt, ils ont utilisé un grand nombre de données d'annotation, la formation dans une variété de jeu d'échecs, a battu Li Shishi, Jie Ke. La seconde moitié de 2017, ils ont introduit les Alpha (Go) zéro données zéro marquage, en utilisant seulement aller règles d'échecs et le résultat du jugement, l'apprentissage de renforcement autonome. AlphaZero jour formation 3 défaite de Li Shishi, la défaite de 21 jours Ke Jie, la défaite de jour de 40 toute l'humanité. Plus tard, ils utilisent non seulement les échecs de la technologie, les échecs et aussi d'autres jeux, a également connu un grand succès.

Avis d'apprentissage auto-renforcement AlphaZero est un espace d'état fini: 19 × 19 bord, il y a deux fils noirs et blancs, un grand nombre de jeu d'échecs possible, mais il est limité, les règles d'échecs de jeu, le résultat final des jugements sont clairement définis a. Ainsi, bien qu'il ne soit pas marqué par un jeu d'échecs, mais ne peut pas dire que l'apprentissage non supervisé, on peut dire qu'il est faiblement apprentissage supervisé. Nous pouvons apprendre, mais ne peut être utilisé directement, parce que nous faisons la perception visuelle, l'apprentissage est un processus dans lequel le moteur dans un espace d'état infini.

Notre approche consiste à utiliser la technologie AlphaOne, les grandes données et le moteur de base de fond de réapprentissage à passer, professeur Kai-Fu a dit de réaliser en boucle fermée. Il est appelé AlphaOne, des moyens que nous avons un moteur d'infrastructure de réseau profond, disponible par les données de marquage, l'algorithme d'apprentissage profondeur, la formation ensemble. AlphaOne étude indépendante réalisée sur cette base.

Comparaison de la profondeur de l'apprentissage supervisé et l'apprentissage semi-supervisé, à la fois pour l'étiquetage des exigences de données sont les mêmes. Modèle de mode du point de vue de la formation, l'ancien est la formation en ligne, qui est l'utilisation des données de production en ligne d'apprentissage actif. Puissance du moteur, si la profondeur de l'apprentissage par la performance du modèle de formation supervisée est X, le modèle par l'étude indépendante semi-supervisée sur la performance de plus de 100 fois X.

Ici pour parler de la deuxième pause, une seule personne, un seul fichier. Grands systèmes vidéo de sécurité des données, certains passants bibliothèque (capture) et une liste des bibliothèques. bibliothèque Passants est le stockage supplémentaire, l'analyse précédente de la taille des données, dix milliards de dollars par mois peut accumuler encore cent milliards échelle, la bibliothèque peut avoir une liste de 200.000 personnes ou plus (par exemple, y compris la population résidente).

En supposant que 100 millions de personnes dans la région voient souvent les uns les autres, que l'on appelle une personne, un fichier est de prendre la bibliothèque de passants (y compris de la compétence de 100 millions de personnes, qui viennent du terrain, ainsi qu'une liste du personnel des bibliothèques est de capturer) sont regroupés en fonction du personnel ID, cardée une personne d'un fichier. Une personne, un fichier est construit sur le moteur de reconnaissance, je pense qu'il est une technologie de base de la surveillance de la reconnaissance du visage humain ultime, il est le moteur de reconnaissance, les grandes données et les résultats de coproduite étude indépendante.

La troisième est une invention brevetée de la technologie révolutionnaire, une nouvelle génération de caméra de vision intelligente éclairage monoculaire pleine pleine puissance, à défauts d'adresse de la caméra intelligente actuelle, offrant une plus riche, plus fiable des données d'image vidéo. Il est une caméra monoculaire, boîte de sortie RVB, NIR, 3D (profondeur), ou toute combinaison des trois RGB + NIR, RGB + 3D et RGB + PIR + 3D, dite pleine puissance. Et il peut s'adapter à la pleine illumination, lumière de l'obscurité à la lumière et fort contre-jour peut tirer très clair.

Si j'étais il y a 10 ans, la reconnaissance innovante face proche infrarouge et l'innovation récente de la caméra de sécurité jumelles peuvent être copiées d'un autre fabricant, cette sortie lumière monoculaire complète de l'appareil est plein de difficile à imiter.

Enfin, pour résumer mon thème, que je voudrais souligner que la capacité Keao Sen, et les trois dernières innovations, à savoir: une nouvelle génération de capteurs de vision intelligente, pleine illumination monoculaire pleine puissance, goulot d'étranglement apprentissage en profondeur percée importante étude de données indépendantes une personne, une grande sécurité des fichiers de données technologie de base ultime.

Les entreprises de sécurité ici et il y a beaucoup de contre-pointe AI, AI si pas maintenant, les gens sont gênés de dire qu'ils sont de la sécurité. Sécurité avec AI, en particulier dans l'apprentissage en profondeur, est la profondeur de l'intégration. sociétés de technologie de l'algorithme de pointe font bien, mais si vous faites algorithme pur est certainement pas moyen de sortir, comme si la dynastie des Shang, Kuang considèrent ces entreprises font des applications de sol, la sécurité et la compétitivité des entreprises, à faire des performances. Je pense que nous avons chacun leurs propres avantages. la sécurité traditionnelle, tels que Hikvision, Dahua ces géants de l'industrie, le labour profond depuis de nombreuses années, a un fort avantage sur le marché, d'améliorer les canaux de vente, l'application de l'atterrissage fait très bien. Ils ont tous deux la concurrence et la coopération sont également accroché. Il espère que les entreprises de sécurité traditionnelles et de pointe d'IA ont une très bonne interaction.

(Fin)

Lei Feng réseau édité.