《人工智慧半月刊》第四十五期
重要事件點評
2018年1月7日，新年伊始，中共中央辦公廳、國務院辦公廳印發了《關於推進城市安全發展的意見》，明確指出「要強化安全科技創新和應用，加大城市安全運行設施資金投入，加快實現城市安全管理的系統化、智能化。」政府頂層設計再次明確對安防投入將持續加大，確保了行業長景氣度。
市場低估了「雪亮工程」投入力度。中央已將公共安全視頻監控系統建設納入國家「十三五」規劃和國家安全保障能力建設規劃，部署開展「雪亮工程」建設。根據2017年公開中標的雪亮工程典型項目分析，普通一個區縣中標金額規模均在2000萬-3000萬左右，以此測算全國「雪亮工程」整體投入將達近千億。《中國安防行業「十三五」(2016-2020年)發展規劃》明確要求2020年重點公共區域視頻監控聯網率達100%，重點行業、領域涉及公共區域的視頻圖像資源聯網率達100%，實現該目標意味著未來幾年將是雪亮工程投入高峰期。
我國安防產業增長潛力仍然很大。根據新華社報道，2016年我國攝像頭密度最高的北京市每千人擁有攝像頭數量為59個，僅僅相當於英國平均水平的80%、美國的60%；而二、三線城市攝像頭密度遠遠低於10個/千人。IHS的報告指出，2016年中國佔據著全球物理安全設備29%的市場，成為份額最大的國家，按當前的發展趨勢，預估2021年將佔全球市場38%，將大於北美與西歐市場的總和。
安防智能前端市場啟動時點已近在眼前。一方面2017年試點的智能安防系統均取得空前成效，解決了政府以前靠人力難以完成的問題，直接引發客戶需求：海康在武漢東湖綠道創新性部署人臉大數據系統半個小時幫助警方便成功抓獲犯罪嫌疑人，大華在餘姚智能攝像機一個月便協助警方抓獲多名逃犯。另一方面以海思Hi3559為代表的智能安防晶元在2018年將成熟量產，有望大幅改善智能前端晶元成本問題。根據海思預測，到2021年全球新增IPC（網路攝像頭）達3.5億，將全部為深度學習攝像頭，安防前端市場有望迎來巨大的升級換代機遇。
投資建議：政府頂層設計再次明確對安防投入將持續加大，以「雪亮工程」為代表的重大項目將有力保證行業持續景氣，而AI安防產品試點的巨大成功和上游晶元的成熟決定了2018年將是智能安防市場全面啟動之年，我們堅定看好安防產業的巨大機遇，持續推薦海康威視、大華股份、千方科技、富瀚微等。
上市公司動態
神思電子：公司擬以自有資金出資在濟南設立全資子公司神思身份識別技術有限公司、神思移動支付技術有限公司、神思計算機視覺技術有限公司
神思電子1月16日發布公告，公司擬以自有資金出資在濟南設立全資子公司神思身份識別技術有限公司、神思移動支付技術有限公司、神思計算機視覺技術有限公司，分別打造專註於身份識別與認證技術、移動支付與新零售技術、計算機視覺與物聯網技術的研發與銷售、服務相結合的業務中心。本次投資事項系由公司全資設立，不構成關聯交易，不構成重大資產重組。
神思電子：公司擬與濟南陽光大姐簽訂合資協議成立濟南麗陽神州智能科技有限公司，合資公司註冊資本共計人民幣1,000.00萬元
神思電子1月16日發布公告，公司擬與濟南陽光大姐服務有限責任公司簽訂合資協議，成立濟南麗陽神州智能科技有限公司。合資公司註冊資本共計人民幣1,000.00萬元，其中陽光大姐擬出資人民幣510.00萬元，持有51%的股權；公司出資人民幣490.00萬元，持有49%的股權。本次交易不構成關聯交易，也不構成重大資產重組行為。
神思電子：公司擬以現金出資600萬元與魯信新北洋基金、魯信資本市場基金共同向曙光易通進行增資，增資結束後，公司將持有曙光易通增資後2.632%的股權
神思電子1月16日發布公告，公司擬與威海魯信新北洋智能裝備產業併購基金合夥企業、山東省魯信資本市場發展股權投資基金合夥企業共同向北京曙光易通技術有限公司進行增資，並與曙光易通及其主要股東曙光雲計算集團有限公司、山東旗幟軟體股份有限公司、北京易通人和管理諮詢中心簽訂《增資協議》。公司擬以現金出資600萬元增資曙光易通，其中100萬元計入曙光易通的註冊資本，剩餘資金計入資本公積。此輪增資結束後，公司將持有曙光易通增資後2.632%的股權。
神州泰岳：任傑先生辭去公司副總裁職務，辭職後，任傑先生將不再擔任公司任何職務
神州泰岳1月19日發布公告，任傑先生辭去公司副總裁職務，辭職後，任傑先生將不再擔任公司任何職務。
思創醫惠：首次公開發行前已發行股份上市流通，本次解除限售2,669,678股，佔總股本0.33%；實際可上市流通的數量2,669,678股，佔總股本0.33%
思創醫惠1月22日發布公告，杭州博泰投資管理有限公司持有的公司首次公開發行前已發行股份的本次解除限售的數量為2,669,678股，占公司總股本的0.33%；解除限售後實際可上市流通的數量為2,669,678股，占公司總股本的0.33%。本次限售股份可上市流通日為2018年1月24日。
遠方信息：對公司擁有的5項專利進行免費開放，與行業共享
遠方信息1月22日發布公告，公司決定，對公司擁有的5項專利進行免費開放，與行業共享。
科遠股份：公司收到由國防科學技術委員會、國家國防科技工業局授權，由北京軍友誠信質量認證有限公司頒發的《武器裝備質量管理體系認證證書》
科遠股份1月24日發布公告，公司收到由國防科學技術委員會、國家國防科技工業局授權，由北京軍友誠信質量認證有限公司頒發的《武器裝備質量管理體系認證證書》，註冊號為18QJ20025R0M，公司質量管理體系符合GJB9001B-2009標準。證書有效期自2018年1月16日至2019年06月30日。
京山輕機：公司間接控股股東輕機控股擬對公司提供金額不超過8000萬元人民幣的無償借款，構成關聯交易
京山輕機1月26日發布公告，公司間接控股股東輕機控股擬對公司提供金額不超過8000萬元人民幣的無償借款，構成關聯交易。
京山輕機：發布2017年度業績預告，歸母凈利潤14,500萬元-17,200萬元，同比增長70%-100%
京山輕機1月28日發布公告，發布2017年度業績預告，歸母凈利潤14,500萬元-17,200萬元，同比增長70%-100%。
科遠股份：與東南大學等單位聯合申報的「大型電站鍋爐高效低污染燃燒的先進調控技術及應用」項目獲得2017年度江蘇省科學技術獎一等獎
科遠股份1月29日發布公告，公司與東南大學等單位聯合申報的「大型電站鍋爐高效低污染燃燒的先進調控技術及應用」項目獲得2017年度江蘇省科學技術獎一等獎。
匯納科技：發布2017年度業績預告，歸母凈利潤5,796.17萬元-6,520.69萬元，同比增長20.00%-35.00%
匯納科技1月29日發布公告，公司發布2017年度業績預告，歸母凈利潤5,796.17萬元-6,520.69萬元，同比增長20.00%-35.00%。
GQY視訊：發布2017年度業績預告，歸母凈利潤-11,700萬元- -9,700萬元，同比下降439.29%-347.11%
GQY視訊1月29日發布公告，公司發布2017年度業績預告，歸母凈利潤-11,700萬元- -9,700萬元，同比下降439.29%-347.11%。
東方網力：發布2017年度業績預告，歸母凈利潤36,818.18萬元-43,512.39萬元，同比增長10%-30%
東方網力1月29日發布公告，公司發布2017年度業績預告，歸母凈利潤36,818.18萬元-43,512.39萬元，同比增長10%-30%。
行業新聞
巨頭新動向
谷歌大腦提出Adversarial Spheres：從簡單流形探討對抗性樣本的來源
目前最先進的計算機視覺模型表現出了對微弱對抗性擾動的脆弱性。換句話說，數據分布中的絕大多數圖像能夠被模型正確分類，而且這些被正確分類的圖像與被誤分類的圖像在視覺上特別相似。近日，Ian Goodfellow 等人提出對抗性同心高維球，他們利用數據流形的維度來研究輸入維度的改變對神經網路泛化誤差的影響理論結論是，神經網路對小量對抗擾動的脆弱性是觀察到測試誤差數量的必然結果。對這個簡單例子的理論分析能夠推動這種探索：現實世界中複雜數據集的複雜幾何結構是如何導致對抗樣本的。
李飛飛、李佳宣布發布Cloud AutoML：AI技術「飛入尋常百姓家」
李飛飛一直倡導AI民主化，2018年1月18日日谷歌雲發布Cloud AutoML，希望幫助ML/AI專業知識和能力有限的企業也能夠使用AI技術構建定製化AI模型。目前已有一萬多家企業使用Cloud AutoML。發布的第一個 Cloud AutoML 是 Cloud AutoML Vision，幫助更快、更容易地構建圖像識別 ML 模型。可拖放的界面使上傳圖像、訓練管理模型，以及直接在谷歌雲上部署訓練模型變得更加容易。使用 Cloud AutoML Vision 分類 ImageNet 和 CIFAR 等流行的公開數據集的實踐表明它比普通的 ML API 準確率更高，誤分類更少。
百度成立數據可視化實驗室，發布深度學習可視化平台Visual DL
騰訊提出自適應圖卷積神經網路，接受不同圖結構和規模的數據
圖卷積神經網路（Graph CNN）是經典 CNN 的推廣方法，可用於處理分子數據、點雲和社交網路等圖數據。Graph CNN 中的的濾波器大多是為固定和共享的圖結構而構建的。但是，對於大多數真實數據而言，圖結構的大小和連接性都是不同的。本論文提出了一種有泛化能力且靈活的 Graph CNN，其可以使用任意圖結構的數據作為輸入。通過這種方式，可以在訓練時為每個圖數據構建一個任務驅動的自適應圖（adaptive graph）。為了有效地學習這種圖，作者提出了一種距離度量學習方法，在九個圖結構數據集上進行了大量實驗，結果表明文中方法在收斂速度和預測準確度方面都有更優的表現。
前微軟亞洲研究院資深研究員梅濤博士加盟京東，擔綱計算機視覺與多媒體研發
計算機視覺和多媒體領域的傑出科學家梅濤博士日前正式加入京東，出任京東集團 AI 平台與研究部 AI 研究院副院長，並擔任計算機視覺與多媒體實驗室主任。梅濤博士領導的實驗室將聚焦於計算機視覺和多媒體領域的基礎研究、演算法創新和技術應用，將其深厚的計算機視覺技術的積累應用在京東零售、物流、金融、雲計算等領域，並對相關基礎設施模塊進行賦能。同時，梅濤博士的團隊還將探索計算機視覺與多媒體技術在一些新興領域（如時尚和設計）的應用和落地，以提高和豐富用戶在無界零售中的購物體驗，使京東在相關領域的技術成為業界領先。
螞蟻金服公開最新基於筆畫的中文詞向量演算法
螞蟻金服人工智慧部與新加坡科技大學一項最新的合作成果：cw2vec——基於漢字筆畫信息的中文詞向量演算法研究論文在第32屆AAAI大會上被高分錄用，用科學的方法揭示隱藏在一筆一划之間的秘密。不同於前人的工作，作者提出了「n元筆畫」的概念。所謂「n元筆畫」，即就是中文詞語（或漢字）連續的n個筆畫構成的語義結構，並提出了一種基於n元筆畫的新型的損失函數。在公開數據集上，與業界最優的幾個詞向量演算法對比，cw2vec在word similarity，word analogy，以及文本分類和命名實體識別的任務中均取得了一致性的提升。
技術新突破
Uber提出SBNet：利用激活的稀疏性加速卷積網路
自動駕駛系統有非常高的實時性需求。近日，Uber的研究人員提出了一種可以在改善檢測準確度的同時極大提升速度的演算法SBNet。SBNet，這是一個用於 TensorFlow 的開源演算法，能夠利用 CNN 的激活中的稀疏性，因此能顯著提升推理速度。為了實現演算法目標是根據表示激活非零的位置的掩碼定義了塊稀疏性。在 Uber ATG Toronto在根據 LiDAR 點檢測 3D 車輛的任務上驗證了 SBNet，證明使用數據稀疏性能夠通過減少雜訊和方差來使模型訓練穩定化，從而在更快的推理時間之外還能得到更準確的 3D 車輛檢測。
Petuum新研究提出形義感知型Grad-GAN：可基於虛擬遊戲生成更具真實感的城市場景
在自動駕駛訓練數據的獲取上，頗具真實感的視頻遊戲獲取能夠提供幫助。但視頻遊戲的渲染效果往往和真實世界的情況有所差異，Petuum和CMU近日發布的一項研究論文試圖解決這一問題。他們提出的一種「形義」（相對於自然語言處理中的「語義」）感知型 Grad-GAN（SG-GAN：Semantic-aware GradGAN），可以在虛擬到真實的城市場景生成上達到相當逼真和精細的結果。其目標是為虛擬世界圖像中不同的形義區域遷移個性化的風格（比如顏色、紋理），以逼近真實世界分布。SG-GAN 是一種基於圖像的適應方法，不僅能夠保留源域中關鍵的形義和結構信息，而且還能使每個形義區域接近它們對應的真實世界分布。
Petuum自動駕駛新研究提出從複雜真實圖像生成簡單虛擬表徵以預測駕駛指令
在獲取用於訓練自動駕駛系統的數據時，常見的做法是使用對抗生成模型（GAN）根據來自模擬器的虛擬圖像生成接近真實的圖像。但Petuum 團隊則反其道而行之，直接以真實駕駛圖像為起點，利用收集自駕駛模擬器的虛擬數據，並提出了 DU-drive這種用於端到端駕駛任務的無監督真實域到虛擬域的域統一框架。它可以將真實駕駛數據變換成其在虛擬域中的規範表徵，然後可以據此預測車輛控制指令。此框架可以將收集自不同源分布的駕駛數據映射進一個統一的域；利用可以免費獲取的有標註的虛擬數據；學習到駕駛圖像中專用於車輛指令預測的可解釋的規範表徵。在兩個公開的公路駕駛數據集上進行了大量實驗，結果清楚地表明了 DU-drive 的表現優越性和解釋能力。
通過方差偏移克服批歸一化與Dropout組合的局限性
自批量歸一化提出以來，Dropout 似乎就失去了用武之處，流行的深度架構也心照不宣地在批歸一化上不採用 Dropout。而近日南京理工大學和清華大學的研究表明，理論上，當模型狀態由訓練到測試時，Dropout 會使具體神經元的方差產生偏移。但是，BN 在整個測試階段都會保留它在訓練過程學習並累計得到的方差。當在 BN 之前應用 Dropout 時，該方差的不一致（方差偏移）造成推理中的數值不穩定性，最終將導致更多的錯誤預測。作者們採用了兩種策略來探索如何打破這種局限。一個是在所有 BN 層後使用 Dropout，另一個就是修改 Dropout 的公式讓它對方差並不那麼敏感。這兩種方法都能降低方差偏移的風險，它們大多數情況下都能工作得很好，且能取得額外的提升。
中科大潘建偉團隊在光量子處理器上成功實現拓撲數據分析
近日，來自中國科學技術大學、中國科學院-阿里巴巴量子計算實驗室等機構，由潘建偉院士、陸朝陽教授帶領的團隊完成了在光量子處理器上執行拓撲數據分析（TDA）的原理性實驗演示驗證。TDA 可以抵抗一定雜訊的干擾，從數據中提取有用信息，而量子版本的 TDA 能實現對經典最優 TDA 演算法的指數級加速。量子 TDA 演算法也是繼 Shor 演算法（用於大數因子分解進行密碼破譯）、Grover 演算法（用於搜索問題）、HHL 演算法（用於解線性方程組）之後，人類在量子計算機上可使用的一種新演算法。該研究為在量子計算機上進行高維數據處理、甚至人工智慧演算法領域的探索打開了方向。
雙流束網路：北理工提出深度立體匹配新方法
立體匹配（Stereo matching）是計算機視覺社區研究的一個基礎問題，深度神經網路在立體匹配上表現出色。北京理工大學賈雲得教授研究組提出了一種基於學習的成本聚合方法，通過在端到端訓練流程中的新型子體系結構進行立體匹配。將成本聚合重新形式化為生成和選擇建議，並表明聚合結果的成本聚合學習過程。成本聚合的子架構是通過一個雙流束網路實現的，選擇的標準由輕卷積網路的低階信息獲取結構確定。雙流束網路提供了成本聚合的全局視圖指導，避免了由於匹配計算成本造成視角限制出現的不匹配值。在 KITTI 和 Scene Flow 中的測試表明此方法超越了此前業內的最佳水平。
TAG:計算機司令部 |