在摄像机使用过程中，有时会因为新增功能和问题优化，需要对摄像机进行升级。那么，如何快速的、批量的升级摄像机呢？接下来，就带家大家学习几种方法~升级注意事项:1. 不能断电断网，否则可能造成设备故障。2. 升级过程可能需要5~10分钟，期间会影响业务使用，请选择空闲时间段升级。通过摄像机Web升级1. 登录华为企业技术支持网站（http://support.huawei.com/enterprise），选择“技术支持>产品支持>机器视觉”，选择对应摄像机，选择“软件”，下载摄像机新版本升级包。小提示：下载升级包后记得解压哦~2. 升级软件包登录摄像机Web界面，选择“维护>设备升级”，单击“浏览”，选择软件包进行升级。3. 升级算法包选择“维护>应用定义摄像机”，单击“浏览”，选择算法包进行升级。不同算法包的命名：通过iClient（SDC）批量升级1. 登录华为企业技术支持网站（http://support.huawei.com/enterprise），搜索“iClient”，下载并安装最新版本。好望商城iClient SDC下载地址：https://marketplace.huaweicloud.com/markets/holosensstore/detail.html?id=eae16342-ed78-44e0-bb0d-f898341348fd2. 登录华为企业技术支持网站，下载摄像机新版本升级包。小提示：下载升级包后记得解压哦~3. 升级软件包步骤1：打开iClient，产品类型选择“本地模式”进入，选择“首页”。步骤2：选择“升级与维护>摄像机”。在摄像机列表中勾选单个或者多个摄像机。单击“升级与回退”。步骤3：单击“导入”，选择摄像机软件包，进行升级。4. 升级算法包步骤1：选择“升级与维护>摄像机”。在摄像机列表中勾选单个或者多个摄像机。单击“License与算法管理>算法管理”。步骤2：单击对应算法右侧的“浏览”，可指定关联的算法文件。升级前，需确认算法包版本号是否比已加载的版本更新，否则升级无法成功。通过NVR800升级1. 登录华为企业技术支持网站（http://support.huawei.com/enterprise），下载新版本升级包并保存到U盘。小提示：下载升级包后记得解压哦~2. 将U盘插入NVR800，选择“设置>摄像机维护>升级”，选择对应摄像机，进行基础包和算法包的升级。好望云服务官网：https://www.huaweicloud.com/product/ivm.html好望商城（算法、应用、解决方案）：https://marketplace.huaweicloud.com/markets/holosensstore/

好望云服务官网：https://www.huaweicloud.com/product/ivm.html好望商城（算法、应用、解决方案）：https://marketplace.huaweicloud.com/markets/holosensstore/

好望云服务官网：https://www.huaweicloud.com/product/ivm.html好望商城（算法、应用、解决方案）：https://marketplace.huaweicloud.com/markets/holosensstore/

［重磅一］看直播戳我➡张晓鹏：视觉计算预训练大模型，加速迈向通用人工智能时间：4月24日13:30-14:20 内容简介：本次分享会将详细介绍华为云在视觉预训练模型研究以及落地上的最新进展。针对当前AI部署中模型调参困难，数据标注代价大，无法结合行业知识等痛点问题，结合华为云端开发优势，打造视觉领域通用预训练模型，全面提升计算机视觉开发和落地的体验。对非专业客户，在尽可能少的简易操作下，可以完成高精度AI模型的部署。借助EI-Backbone便捷易用优势，从算法角度减少客户与平台的交互次数、简化操作流程、提升AI模型精度，同时针对海量无标注/弱标注行业数据提供定制化模型能力，全面提升业务性能。 内容大纲：1、视觉通用AI：预训练模型背景及趋势 2、华为视觉预训练模型蓝图及研究成果展示 3、视觉预训练部署：挑战及应用案例介绍 听众收益：1、了解华为视觉预训练模型总体情况和最新进展 2、了解通用视觉AI相关落地部署流程以及关键难题 3、了解如何利用华为平台，高效开展AI方面的研究 ［重磅二］看直播戳我➡谢凌曦：华为视觉计划三大方向、六大课题，带您走进CV新时代时间：4月24日14:30-15:20  内容简介：本次分享将介绍华为视觉计划的概况和进展。华为视觉计划聚焦于数据高效、模型高效、知识高效三大方向，全面提升计算机视觉开发和落地的体验。同时，华为视觉计划的研究成果将沉淀至大模型中。用户通过两段式开发流程，无需大量算力和数据，即可充分释放云端大模型的潜力，并且结合数据挖掘、知识蒸馏、小样本学习等定制化算法，满足端侧和边侧的各种应用需求。 内容大纲：1、华为视觉计划回顾：三大方向，六大课题 2、华为视觉计划各方向的进展和研究成果展示 3、面向新时代的思考：打造自动化、全场景的AI算法部署平台 听众收益：1、了解华为视觉计划的总体情况和最新进展 2、了解面向新时代的AI算法设计思路部署流程 3、了解如何利用华为平台，高效开展AI方面的研究［重磅三］看直播戳我➡转型人工智能：理论学再多，不如抱团动手做时间：4月24日16:30-17:20 内容简介：高校同学如何通过华为云一站式AI开发平台ModelArts及ModelArts开发者社区（MDG）快速上手学习AI？我们邀请到来自天津大学、中国矿业大学、暨南大学等MDG组织者及云享专家向各校同学分享经验，如何基于ModelArts社区的开发者计划自组建技术学习小组，通过项目实践和技术来学习AI、转型为AI开发者。 内容大纲：1、转型AI：理论学再多，不如抱团动手做 2、各校MDG组织者分享如何建立自学技术小组并获得成长 3、Panel Discussion / QA 听众收益：1、了解如何通过平台降低实践门槛 2、了解如何通过社区互助学习提升 3、了解华为云AI社区的开发者计划  更多精彩直播演讲请关注：

在安防项目中，我们经常会遇到设备接入、平台对接协议的事项，那么好望分销产品都支持哪些接口协议？它们之间都有哪些区别？今天就和大家一起看一看~接口协议介绍01  SDK(Software Development Kit)厂商私有协议，普遍用于二次开发调用。02  GB/T28181国家标准协议。支持：实况点播、录像回放/下载、云台控制、告警上报。不支持：智能分析相关功能（参数配置、抓拍图上报、结构化数据上报)、H265、OSD设置、视频组播。03  ONVIF国际的通用协议。支持：设备发现、参数配置（媒体、图像、OSD等）、RTSP地址获取、媒体组播、事件查询、上报、PTZ控制 。不支持：元数据对接、NAT接入。04  1400目标、机动车、非机动车图片上报及结构化数据上报。NVR800南北向能力北向开放GB/T28181/Onvif，支持接入到VMS平台、解码器SDK私有协议，支撑iClient S100、 Web 云服务SDK，接入到Holosens云服务 南向开放Onvif，接入第三方摄像机HWSDK，接入华为D系列摄像机NVR800北向能力图Onvif和GB/T28181对比1. NVR800和VMS平台同网络平面时，可选择Onvif或GB/T28181。2. NVR800通过源地址NAT（如家庭宽带路由器）接入到外网VMS平台，需选择GB/T28181。3. 如有图片订阅和通知诉求，建议第三方VMS平台直接通过1400协议对接SDC。IVS1800南北向能力北向开放GB/T28181/Onvif，支持接入到VMS平台、解码器1400，目标、机动车、非机动车图片上报Restful，功能最齐全的开放接口南向开放GB/T28181/Onvif，接入第三方摄像机HWSDK，接入华为D系列摄像机IVS1800北向能力图好望云服务官网：https://www.huaweicloud.com/product/ivm.html好望商城（算法、应用、解决方案）：https://marketplace.huaweicloud.com/markets/holosensstore/

*添加设备后，默认没有开通云服务，您可以按需选择并开通云服务。提供的云服务如下:接入调阅服务：提供视频接入、调阅和管理功能，开通后可以查看实况和录像。录像存储服务：提供云端视频存储功能，开通后设置录像计划进行录像存储，关闭服务后会删除所有录像文件。（动检存储：当设备发生告警事件后，会保存告警时间段的设备录像到华为云存储    连续存储：在设备在线的状态下，会保存全天连续的设备录像到华为云存储 *当前只开通连续存储）行业数据流服务：提供云端存储设备智能告警数据功能，开通后可以在云端保存设备智能告警数据，如智能告警图片、智能分析元数据等。（当前仅支持按需订阅）操作步骤：1、进入并登陆IVM管理后台https://holosens.huaweicloud.com/#/device2、单击“设备管理”，勾选需要开通服务的设备，单击“配置服务”。说明：a.免费试用服务不能超过20路接入b.当设备类型为NVR或IVS时请确认里面的通道不超过20个，如果超过请勾选需要开通的设备且不能超出20，否则会导致开通服务失败。3、选择需要开通的服务类型，单击“下一步”。4、确认服务类型、所需购买服务等无误后，单击“提交”。5、显示配置成功界面，单击“完成”。为设备分配用户（管理员）* 添加设备后，可根据需要为设备分配用户，分配后该用户拥有设备的操作权限。操作步骤：  1、单击“设备管理”，勾选需要分配的设备，单击“分配用户”。2、选择需要分配设备的用户，单击“确定”，用户分配成功。高危操作清单危险操作操作影响关闭服务关闭服务后会立即清理该通道下正在使用或者已经存储的相关数据资源，详细说明如下：管理服务：该通道所有媒体相关服务，如实况播放，录像回放等。收录服务：停止该通道云端录像计划，删除已存储的云端录像文件。行业数据流服务：停止该通道行业数据流数据存储及转发能力，删除已存储的行业数据流数据。删除设备删除设备后，会自动关闭该设备下所有通道开通的服务，同时将该设备从设备列表（含持有人及被分享人）中删除。解散企业解散企业后会将该企业下所有设备进行删除。用户注销用户注销后，会将该用户下所有用户数据进行清除，包含个人信息，个人所拥有设备信息，个人与企业权限关系等。若用户属于某企业，用户注销只会删除用户与企业的权限关系，不影响企业下设备的正常使用。解绑设备用户可以选择登录设备页面后进行设备与云服务解绑。解绑后，该设备在云服务开通的服务会关闭，用户绑定关系会进行删除，该设备可以重新进行添加绑定。删除aksk企业开发者删除aksk后，原有企业凭证申请的所有AccessToken均会失效。申请AccessToken单个aksk只维护最新两个AccessToken的有效性，申请新的AccessToken会自动覆盖较早AccessToken有效性。北向接口域名https://api-ivm.myhuaweicloud.com

*已完成账号注册，并创建企业 一、添加设备组操作步骤：1、进入并登陆IVM管理后台https://holosens.huaweicloud.com/#/device2、选择“设备管理”，单击“添加设备组”。3、输入设备组名称，单击“确定”。说明：a.选择一个设备组再单击“添加设备组”，即可创建其子级设备组。b.单击设备组名称后的“编辑”、“删除”，可以修改设备组名称和删除当前设备组。二、添加设备单个添加设备I.通过GB28181协议接入①、配置平台侧参数1、单击“设备管理”，选择需要添加设备的设备组，单击“添加设备”。2、选择手动添加设备，“国标协议”（GB28181）接入， 输入对应设备参数，点击确定。说明：用户名、密码为登陆设备的用户名、密码。设备ID参照“GB28181国际标准互联编码”规则，可按右侧“问号”提示填写。3、添加设备后，会弹出“录入参数到设备”界面，手动记录该信息，配置设备侧参数时需要使用说明：单击“关闭”，关闭后可在设备详情页面单击“SIP信息”查看。②、配置设备侧参数* 通过GB28181协议添加设备之后，需要在设备侧配置对接参数，以华为摄像机为例，介绍参数配置过程。1、通过Web登录摄像机的Portal界面，选择“高级配置 > 网络 > 平台对接参数”。2、选择“第二协议参数 > T28181” ，勾选“GB/T 28181”，启用GB/T 28181协议。3、配置GB/T 28181参数，参数说明如下表。（“镜头ID”，海康、大华名称为“通道编号”）参数如何配置媒体流保活开关启用“媒体流保活开关”，打勾表示已启用。开启媒体流保活功能后，如果在一定时间内摄像机没有接收到平台侧发送的媒体保活包，则摄像机停止发送媒体流。当前平台不支持该保活功能时，建议“不启用”。保活次数摄像机和媒体流保活连接的次数，范围为2~24内的整数，单次保活时间为5s。例如，当保活次数为2时，媒体流保活时间则为2*5s即10s时间，10s内即使摄像机没有收到媒体保活包也不会停止发送媒体流，超过10s没收到保活包即停止发送媒体流。名称注册到平台时所采用的登录名，可设置数字或其他字符，包括汉字。平台IP摄像机接入云服务的网关地址，为3中记录的“SIP服务器IP地址”。端口号3中记录的“SIP服务器端口号”。设备ID3中记录的“设备ID”。服务器编码3中记录的“SIP服务器国际ID”。@3中记录的“SIP Server域ID”。密码设备在平台中的注册密码。注册有效期设备注册到平台的有效期限。默认为“3600”，设备3600s内没有注册成功，表示本次注册失败，建议采用默认值。心跳周期设备发送心跳信息的时间间隔。系统默认心跳周期为60s，建议设置为20s。最大超时次数心跳信息连续超时达到“最大超时次数”，则认为摄像机无法与平台建立连接。系统默认最大超时次数为3次，建议采用默认值。码流索引码流索引的类型，可以选择主码流或子码流，默认为主码流，建议采用默认值。镜头ID设备镜头的ID号，华为云好望云服务设备的通道ID取值于镜头ID。请按照GB28181协议规定填写，由20位数字组成，中间第11~13位填写131。告警输入ID设备告警输入的ID。平台根据设备ID给设备分配的告警输入ID。音频输出ID设备音频输出的ID。平台根据设备ID给设备分配的音频输出ID。4、单击“保存”。II、通过好望协议接入1、单击“设备管理”，勾选需要添加设备的设备组，单击“添加设备”。2、选择手动添加设备，好望协议接入，根据参数说明填写基本信息。说明：在好望设备上扫描二维码获取“设备ID”、“验证码”。批量添加设备当有大批量支持通过好望协议或国标协议接入的设备需要接入到IVS平台时，可以通过批量添加设备的方式进行快速添加。①、配置平台侧参数1、单击“设备管理”，选择需要添加设备的设备组，单击“添加设备”。2、选择批量添加设备，按界面提示选择接入协议并下载对应模板。3、将设备信息按格式填入模板并上传文件，单击“确定”，上传成功。接入协议设备参数说明好望协议设备编号在好望设备上扫码获取设备编号，由大小写字母、数字组成，长度为8~32个字符。设备校验码在好望设备上扫码获取设备校验码。国标协议设备互联编码由数字组成，长度为20个字符长度，建议参照GB28181国标编码规则填写。设备用户名登录设备的用户名。设备密码登录设备的密码。

*首次使用行业视频云服务时，需要先创建企业或等待管理员邀请加入企业，然后才能使用IVM管理后台功能 操作步骤：1、进入华为好望云服务官网https://www.huaweicloud.com/product/ivm.html2、单击“登录管理后台”进入IVM登录界面3、单击“注册账号”按要求完成注册后，返回登录界面，使用刚注册的账号登录IVM管理后台（如已注册请直接登录）说明：此处注册的账号与创建华为云租户中注册的账号（华为云实名认证）不同。（邀测时）点击右上角的“”查看申请公测的结果，并点击“同意”4、单击提示界面中的添加企业，或点击右上角“运营体验>添加企业”5、按“添加企业”界面信息提醒，完成企业信息填写。说明：如需修改企业信息，选择“企业管理 > 企业信息”，修改企业信息。Q、如何获取访问密钥、AK、SK值？1、点击右上角“控制台”（或“创建企业”信息填写界面，“企业密钥”处点击“访问秘钥”），进入华为云控制台2、将鼠标移动到右上角账号处，选择“我的凭证> 访问密钥”，单击“新增访问密钥”，输入手机短信验证码，单击“确定”，密钥文件会自动下载，请妥善保存。说明：a.如果访问密钥泄露，会带来数据泄露风险，且每个访问密钥仅能下载一次，为了账号安全性，建议定期更换并妥善保存访问密钥。b.访问密钥最多添加两个，如果需要更换AK、SK，请先删除已创建的访问密钥重新添加。c.新增密匙后，文档自动弹框，提示下载文档。如下载提示错误，请新增密匙尝试再操作Q、如何获取“项目”、“项目ID”、“账号名”、“账号ID”等信息？1、在华为云控制台，选择“我的凭证 > API凭证”，或在“创建企业”界面，“企业凭证”处，点击“API凭证”，获取“账号名”、“账号ID”、“项目”、“项目ID”。（其中“项目”、“项目ID”为所属区域“华北-北京四”对应的参数值）说明：如果项目列表中没有“华北-北京四”，请单击左上角的“控制台”并选择“北京四”，重新进入API凭证页面即可。添加部门和成员操作步骤：1、选择“企业管理 > 组织管理”2、单击“添加部门”，填写分组名称，单击“确定”。按需进行企业组织架构建设，最大支持9级的企业组织管理。3、选择部门，单击“添加成员”。4、填写成员信息，并单击“确定”。角色：企业管理员：企业管理员有企业内所有设备的操作权限。普通用户：普通用户只有分配给该用户的设备的操作权限。说明：a.如需删除成员，勾选要删除的成员，单击操作列的“删除”，单击“确定”b.如需给成员分配设备，勾选需要分配设备的成员，单击“分配设备组”或“分配设备”，单击“确定”

*在使用华为好望云服务时，首先需要创建“华为云账号”并完成实名认证，租户创建。一、注册华为云账号，并完成实名认证1、进入华为好望云服务官网首页https://www.huaweicloud.com/product/ivm.html2、点击右上角“注册”进入华为云账号注册界面。（如点击右上角“登录”，进入如下所示页面）3、点击“注册”进入华为云的注册界面，根据界面提示，输入注册信息，完成注册。4、使用注册账号登录华为好望云服务首页。5、鼠标移动至页面右上角的用户名，选择“账号中心”，左键点击进入。6、在“基本信息”界面，“注册邮箱”处按提示绑定邮箱；点击左上角“实名认证”，根据需求选择个人或企业，完成实名认证，华为云账号即创建成功。  a.个人实名认证   按界面提示选择，输入认证信息和上传认证文件，勾选左下角，点击“提交认证”，等待审核通过。  b.企业实名认证   选择企业实名认证，方式为两种，按情况选择，推荐对公账户打款认证，按提示完成信息填写，完成认证。二、注册好望云服务账号1、进入华为好望云服务官网首页https://www.huaweicloud.com/product/ivm.html2、点击“登录管理后台”，进入IVM好望云服务登录界面3、点击“注册账号”，根据页面提示，输入信息完成注册。

1.什么是好望云服务？好望云服务通过好望视频管理、好望视频智能、好望开发平台、好望商城等智慧云服务，为政府、企业等用户提供智能原生的端云协同行业视频云服务解决方案，助力政企数字化转型。2.好望云服务是用来做什么的？有哪些功能？功能描述视频接入支持全行业摄像机、智能视频存储、视频监测平台等的便捷接入，高效的设备管理、设备配置等能力。视频收录提供高可靠、大容量、安全的云端视频持久化存储，含连续存储和动检存储等多种方式。视频调取提供实况视频、历史录像、设备信息和告警数据的全网高质量调取，以便随时随地查看浏览。行业数据流提供端侧设备智能算法分析结果的统一接入、存储、开放共享给上层应用，以便实现智能算法的业务闭环。3.好望云服务优势开放接入异厂家设备快速接入；标准化API接口使能ISV应用创新；端云智能分析协同服务智能生态智能算法数据开放共享；云上商城智能加持；丰富的行业We码应用安全可信数据传输存储加密、视频水印；动态隐私遮挡；端到端可追溯；拥有四大安全特性：访问控制、传输加密、存储加密、数据删除统一体验华为云、混合云统一架构，统一服务体验；端边云协同极致体验；多终端同步、统一业务体验4.好望云服务有哪些行业应用场景？端云协同，打造智慧应用场景。好望云服务主要应用场景有智慧门店、智慧商超、智慧餐饮、智慧养殖、智慧工地、智慧小区、智慧学校、智慧酒店、智慧园区等，应用场景丰富，更多场景更新规划中...5.四大好望云服务客户端，匹配不同用户诉求                 赶快来加入我们吧！一起紧跟数字化转型热潮步伐，还带贴心客户服务哦。好望云服务官网：https://www.huaweicloud.com/product/ivm.html好望商城（算法、应用、解决方案）：https://marketplace.huaweicloud.com/markets/holosensstore/

去年HDC期间，《华为视觉计划》发布。这是一个立足当下、着眼未来的研究计划，包含三大方向和六大课题，系统梳理了计算机视觉领域面临的困难和未来发展方向。经过一年的努力，我们在不少研究领域都取得了长足的进展。在过去的一年内，我们团队发表顶级会议和期刊论文超过50篇，拿下多项国际竞赛的冠军，并且在20余个实际项目上取得了落地应用。现在，我们结合最新的研究成果，回顾现有的研究计划，并且对未来做出展望。数据高效、模型高效、知识高效，是计算机视觉的重点研究方向计算机视觉，本质上是从视觉数据中学习知识的学科。在大数据时代，深度学习技术蓬勃发展，为计算机视觉带来了辉煌的今天。计算机视觉算法在限定场景下已经取得了令人瞩目的成就，然而监督学习带来的红利将逐渐减弱。当前，计算机视觉算法面临对数据需求大、模型难以设计、知识难以抽取等问题，从而导致其难以复制到不同的场景里去。想要更进一步，就必须直面上述挑战，设计数据高效、模型高效、知识高效的计算机视觉算法。数据高效：数据冰山和数据魔方为了达到数据高效的目标，我们提出数据冰山计划和数据魔方计划。数据冰山的目标在于高效撬动无标注数据：为此我们设计了小样本学习算法，将实际应用场景中的标注数据需求量减少了80%以上，同时保证算法的精度与基线相当。相应的论文《异步教师学生优化算法》发表在顶级会议CVPR2021上。数据魔方的目标在于从多模态数据中获取更多有效信息：为此我们设计了高效模态融合算法，高效融合了图像、点云等模态信息，一举拿下nuScenes2020三维物体检测竞赛冠军。模型高效：模型摸高和模型瘦身为了达到模型高效的目标，我们提出模型摸高计划和模型瘦身计划。模型摸高的目标在于设计强大的视觉骨干模型，为此我们提出了利用知识蒸馏辅助数据扩增的算法，相应的论文《消除自动数据扩增中的离群样本》发表在ECCV2020上，同时在近一年的时间内，占据ImageNet无额外数据榜单第一名。模型瘦身的目标在于设计高效的视觉骨干模型以适应端侧和边缘侧设备，为此我们提出了一系列网络架构搜索算法，发表顶级会议和期刊文章近10篇，在ImageNet等数据集的限定算力赛道上保持领先。知识高效：万物预视和虚实合一为了达到知识高效的目标，我们提出万物预视计划和虚实合一计划。万物预视计划的目标在于利用大量的无标签数据构造预训练模型，使其在各类下游任务上取得良好的泛化性能，为此我们提出了一系列自监督学习算法，通过充分挖掘样本间的关联性，大幅提升了预训练模型的下游应用能力。虚实合一计划的目标在于利用虚拟数据提升真实场景下的算法性能，为此我们构建了虚拟场景和针对性的采样、适配算法，目前已经在行人重识别问题上取得了业界领先的迁移性能，相应的论文也发表在顶级会议CVPR2021上。更多精彩，我们在发布会上见！《华为视觉计划》的核心点为模型、数据、知识：模型立足当下发展，数据面向中短期突破，知识着眼长远未来。在深度学习带来的模型红利逐渐稀薄的情况下，我们探索新的学习范式，从全监督数据过渡到弱监督甚至无监督数据，并且将知识引入训练和推理过程，通过这两条新的研究路径，颠覆现有学习范式，引领业界的研究潮流。今年HDC大会上，我们基于华为视觉计划，还为开发者带来了一份神秘大礼。这份礼物，将助力大部分开发者和企业，使得他们能够基于更高效的平台，更容易地开发出高效的视觉算法。让我们在发布会上见！#每一个开发者都了不起#作为华为ICT基础设施业务面向全球开发者的年度盛会，华为开发者大会2021（Cloud）将于2021年4月24日-26日在深圳举行。本届大会以#每一个开发者都了不起#为主题，将汇聚业界大咖、华为科学家、顶级技术专家、天才少年和众多开发者，共同探讨和分享云、计算、人工智能等最新ICT技术在行业的深度创新和应用。智能时代，每一个开发者都在创造一往无前的奔腾时代。世界有你，了不起！了解更多华为云AI参会内容，欢迎访问：https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=118119&extra=page%3D1 

2019年6月，有个城市因为电力互联系统瘫痪瞬间成了一座“灰暗”的城市，交通信号灯停止运作，地铁、城际铁路、公交车等公共交通全部停运，供水系统无法正常运行。此次停电波及超过4800万人。 在高度依赖电力产业的今天，停电成了一座城市的灾难，交通工具无法运行，信号灯不亮，店铺停业……电力作为城市正常运作和快速发展的命脉，提高输电线路巡检的效率，保障民用、企业用电的供电可靠，成为亟需解决的问题。 随着无人机的普及，电路巡查逐渐从人力巡检中摆脱出来，但仍然存在技术手段单一、无法实时同步线路缺陷等问题。 一群来自华北电力大学的师生团队看到了未来输电线路AI巡检的蓝海市场，投入到研发当中，通过无人机智能巡检、 AI 技术图像检测分析，让输电线路缺陷检测的精确度不断提升。  **人力痛点难解决，换成机器试一试** 传统输电线路巡检，大多依赖运行维护人员肉眼或手持仪器排查电路中的故障，根据经验判潜在隐患，然而，纯靠人力检测本身就是一个巨大隐患，巡检员很难一处不落的排除掉所有隐患，而在电网的运行中，任何微小的安全问题都有可能造成事故，导致大面积的瘫痪，造成巨大的经济损失；有时遇上下雨、下雪等恶劣天气，人力检查更是寸步难行。 输电线路大多位处人烟稀少的郊区，远离市中心，需要特巡特维线路占全部线路比重的20%，运检难度大、质量要求高等条件让愿意从事巡检工作的人越来越少。据数据显示，我国现有输电线路运检人员的年均增长率不足 3%，2019 年底缺员高达 34%，巡检专业人员数量少、人工效率低、危险系数高等问题日益突出。 据不完全统计，2014-2018 年国内因架空线路巡检造成的人身伤亡事故 238 起，因输电线路故障造成经济损失高达数十亿元。针对输电专业人员数量与设备规模持续增长日益突出的矛盾，国家大力推广无人机巡检，较人工巡线相比，无人机具有效率高、安全性高、缺陷发现率高等优势，但仍然存在诸多的问题。 无人机巡检绝大部分作业无配套机巢，不可移动，只能巡检到部分线路缺陷，且无人机巡检完成后仍需进行人工图像缺陷分析，据统计，在我国无人机输电线路巡检中每年产生超过数十亿张巡检图片，对人力资源的消耗仍是巨大。以山东电网为例，现配置无人机 600 架，年产生图片约 120 万张，安装可视化监控装置 4.5 万套，年产生图片 1.8 亿张，按照八小时日工作制，人眼判图需要92人/年。 如此繁重的工作量，为电路巡检机制的改善提供了巨大空间。 经过全面市场调研，团队了解到目前使用的无人机巡检仍存在漏检、错检率高，人力成本大，难以保证巡检质量等问题。在2019年，“闪电鸟-电力视觉”创业团队与华北电力大学(保定)智能视觉计算机研究所、电力视觉大数据研究室联合研发了一套完整的、实用的架空输电线路无人机边云协同智能巡检工具，将其命名为“闪电鸟-无人机AI 巡检平台”。 **“驯服”无人机，难在技术创新** 在设计方案的时候，团队就有一个很清晰的思路，要用无人机做巡检人员的眼睛，巡检人员只需要通过闪电鸟平台就能知道每个输电线路的情况。想法很丰满，现实很骨感，要实现真正的“无人”巡检，还有很多技术需要攻克。 首先摆在眼前的，就是无人机在巡检时，会有电池、天气、照片不如肉眼等方面的限制，如果这些问题得不到解决，那么后期的技术再牛也无法真正识别出缺陷与隐患。 对于这群钻研电力的年轻人，无人机并不是他们所擅长的领域，很多飞行的限制也都是行业天花板所带来的。但他们不甘心，因为这些问题如果不解决，无人机做巡检就会变得形同虚设，在户外巡检，一旦因为没电而坠毁就白白造成损失。 对于这些问题，团队成员内部讨论了很多次，始终难以拿出一个比较好的解决方案，因为有的限制是整个行业目前的天花板，仅靠他们是没有办法去打破。为此，他们专门联系了很多无人机公司，咨询相应的解决方案。 经过一番折腾，他们才算找到了延长无人机飞行时间的方法——将充电无人机的机库置于输电塔上，每个充电机库都配有多个无人机，当无人机快没电的时候可以就近去机库充电，充好电的无人机接过“巡检”的重任，冲出“鸟巢”继续飞。 巡检人员只需要通过应用程序，直接下达巡检地点、线路等，根据内置智慧气象感知站，当判断出天气满足飞行时，“小鸟们”就开始飞出鸟巢执行任务，在无人机飞行期间，巡检人员通过手机反馈实时了解设备或线路的信息，当发现了输电线路缺陷也能快速定位、及时解决。  为了能将无人机训练成识别隐患的火眼金睛，团队用可见光相机的高清摄像，模拟人眼对杆塔与线路进行近距离观察。针对冲在巡检一线的无人机，正是因为团队做了各个方面的优化与调整，才让它能够实现用科技解决人力问题背后的不足，能够采集到足够的信息为下一步的分析做好铺垫工作。 **巧用华为云，解决项目大难题** 在过去多年的积累中，团队研发出的核心技术——AI视觉处理与分析技术，为项目进展打下了一个很好的基础。 即使如此，团队也明白要真正实现“无人”巡检，摆在他们面前的挑战依旧很大，如果不能解决图像智能识别功能，依旧摆脱不了需要耗费大量人力对图片进行分析处理。如何才能解决？这得需要云端强大算力的GPU 服务器和强大的边缘计算能力，才能够实现图像智能识别，及早发现输电线路的问题所在。 华北电力大学自2019年开始，与华为建立合作关系，将华为的技术、人工智能平台等引入到课程教学中，实现人才的培养；另一方面在科研项目上，华为提供算力算法支持，共同投入到课题研发中，助力项目的完成。“闪电鸟”作为华北电力大学重要的研发项目之一，华为早早就投入到项目支持当中，为团队保驾护航。面对项目过程中出现的问题，团队借助华为云技术所提供的超强存储能力和算力，完成整个项目的落地。 无人机出动巡检，基于华为全栈 AI 视觉处理与分析技术对图像进行智能识别检测，产生图像和变电站内固定摄像头拍摄产生的视频，通过云平台深度学习与云计算相结合的方式，对图像与视频数据进行自动分析，能一边对图像进行压缩、存储，一边进行各类故障检测、异物分析；根据服务器分析出的结果，工作人员就能立马进行故障检修，无需守在主机旁一直等待。 输电线路智能巡检一体化平台结合华为全栈AI技术，一方面，利用华为云ModelArts平台开发输电线路智能巡检云侧应用，实现对巡检数据和模型算法的统一管理以及存储资源和计算资源的高效利用，对于输电线路中关键部位以及鸟巢、绝缘子掉串等大尺度缺陷进行检测；另一方面，利用华为HiLens端云协同管理平台开发输电线路智能巡检端侧应用，实现端侧设备模型优化和应用部署，以满足输电线路危急缺陷检测的实时性要求，对输电线路中螺栓缺销等问题进行检测。  而对于输电线路发生的紧急情况，一旦无人机检测出了危急缺陷，图片将不会如往常那样返回云侧平台，而是直接到达无人机终端上进行检测，并将识别结果第一时间发送至工作人员，极大程度节省了对危机缺陷的抢修时间。 为提高巡检准确率，采用了深度学习算法对输电线路关键部件与大尺度缺陷进行检测，将这些检测图像进行标注后形成数据集，利用华为云ModelArts 平台的“智能数据标注”功能进一步扩充数据集，用智能数据标注方式大幅提升了标注效率，加快了项目进程。 在华为云的技术支持下，让这群年轻人研发出了市场上极具竞争优势的产品。 闪电鸟无人机不受地形、气候影响，就能以快速实现更广覆盖的巡检，提高了输管道巡检效率；让巡检实现智能化、自动化，无需耗费多余人力就能获知输电线路和变电站的状况；通过“智能运检+深度学习+边缘计算/云计算”大大提高各类缺陷检测精度，极大减少了各类风险及经济损失。 **开启智能巡检时代，未来可期** 如果用一个词来形容研发过程，团队选择了“青春”。他们说，正是一波波年轻人不断涌入实验室，为一个项目熬着心血，才结出了闪电鸟这么一个硕果。 相比较人工，闪电鸟已经大幅度提升了检测率、解决了行业的痛点，但团队还在继续投身实验室做研究，他们要再提高算法，让巡检平台能够识别更多复杂的缺陷危机。 对于未来，团队想将闪电鸟的应用领域不局限在电力方面，而是扩展到光伏新能源、石油管道、交通运输等多种巡检场景，如果可以希望能应用在生活的方方面面，用智能来弥补人工的缺陷与不足。 也许，在不久的未来，我们的生活就如科幻小说中一般，出门就能在天空中看到各式各样的无人机，它们有的是在指挥道路交通，有的是在监控治安状况，还有的是检测全民健康水平；等你过完马路的功夫，就看到交通部门、民警、医生都出动。 对于这样一个未来，华为一直都在努力。 华为更希望分享自己的技术让更多年轻人学习、掌握。目前，华为已联合清华大学出版社、各高校学科带头人，面向高校师生及开发者陆续推出鲲鹏、昇腾系列学习教材和教辅资料，鲲鹏/昇腾系列课程将融入各大高校的计算机专业、人工智能专业，引领通信和信息行业发展，实现技术人才的培养。 大学生是推动社会飞速发展的主力，华为联手教育部，在有关高校建设“智能基座”产教融合协同育人基地，现已在北京大学、清华大学、上海复旦大学、上海交通大学、西安交通大学、哈尔滨工业大学等72所高校，把鲲鹏、昇腾系列课程融入计算机专业、软件工程专业、人工智能专业、电子信息专业进行首批试点。 相信当越来越多的高端人才从智能基座走出，科幻大片会离我们越来远近，各行各业都能通过科技解决痛点，减少不必要的损失。 更多干货和专家答疑都在这！扫码添加华为云小助手回复“AI”进专业AI开发者群，关注【华为云AI】公众号了解更多 

今年的CVPR也陆续被大家熟知，录取的paper也公布出来，大家有兴趣的可以深入了解自己感兴趣的领域。作为计算机视觉领域三大顶会之一，CVPR2021目前已公布了所有接收论文ID，一共有1663篇论文被接收，接收率为23.7%，虽然接受率相比去年有所上升，但竞争也是非常激烈。致力于计算机视觉和模式识别包括颜色检测、跟踪、运动、物体识别、音响和目标检测。图像目标检测(Image Object Detection)Instance Localization for Self-supervised Detection PretrainingMultiple Instance Active Learning for Object Detection（用于对象检测的多实例主动学习）Open-world object detection(开放世界中的目标检测)Positive-Unlabeled Data Purification in the Wild for Object Detection(野外检测对象的阳性无标签数据提纯)UP-DETR: Unsupervised Pre-training for Object Detection with TransformersImage-to-image Translation via Hierarchical Style Disentanglement Xinyang Li, Shengchuan Zhang, Jie Hu, Liujuan Cao, Xiaopeng Hong, Xudong Mao, Feiyue Huang, Yongjian Wu, Rongrong Ji论文链接：https://arxiv.org/abs/2103.01456代码链接： https://github.com/imlixinyang/HiSDFLAVR: Flow-Agnostic Video Representations for Fast Frame Interpolation 论文链接：https://arxiv.org/pdf/2012.08512.pdf 代码链接：https://tarun005.github.io/FLAVR/Code https://tarun005.github.io/FLAVR/Patch-NetVLAD: Multi-Scale Fusion of Locally-Global Descriptors for Place Recognition Stephen Hausler, Sourav Garg, Ming Xu, Michael Milford, Tobias Fischer 论文链接：https://arxiv.org/abs/2103.01486Depth from Camera Motion and Object Detection Brent A. Griffin, Jason J. Corso 论文链接：https://arxiv.org/abs/2103.01468UP-DETR: Unsupervised Pre-training for Object Detection with Transformers 论文链接：https://arxiv.org/pdf/2011.09094.pdfMulti-Stage Progressive Image Restoration 论文链接：https://arxiv.org/abs/2102.02808 代码链接：https://github.com/swz30/MPRNetWeakly Supervised Learning of Rigid 3D Scene Flow 论文链接：https://arxiv.org/pdf/2102.08945.pdf 论文链接：https://arxiv.org/pdf/2102.08945.pdf 代码链接：https://3dsceneflow.github.io/Exploring Complementary Strengths of Invariant and Equivariant Representations for Few-Shot Learning Mamshad Nayeem Rizve, Salman Khan, Fahad Shahbaz Khan, Mubarak Shah 论文链接：https://arxiv.org/abs/2103.01315Re-labeling ImageNet: from Single to Multi-Labels, from Global to Localized Labels 论文链接：https://arxiv.org/abs/2101.05022 代码链接：https://github.com/naver-ai/relabel_imagenetRethinking Channel Dimensions for Efficient Model Design 论文链接：https://arxiv.org/abs/2007.00992 代码链接：https://github.com/clovaai/rexnetCoarse-Fine Networks for Temporal Activity Detection in Videos Kumara Kahatapitiya, Michael S. Ryoo 论文链接：https://arxiv.org/abs/2103.01302A Deep Emulator for Secondary Motion of 3D Characters Mianlun Zheng, Yi Zhou, Duygu Ceylan, Jernej Barbic 论文链接：https://arxiv.org/abs/2103.01261Fair Attribute Classification through Latent Space De-biasing 论文链接：https://arxiv.org/abs/2012.01469 代码链接：https://github.com/princetonvisualai/gan-debiasing                 https://princetonvisualai.github.io/gan-debiasing/Auto-Exposure Fusion for Single-Image Shadow Removal Lan Fu, Changqing Zhou, Qing Guo, Felix Juefei-Xu, Hongkai Yu, Wei Feng, Yang Liu, Song Wang 论文链接：https://arxiv.org/abs/2103.01255Less is More: CLIPBERT for Video-and-Language Learning via Sparse Sampling 论文链接：https://arxiv.org/pdf/2102.06183.pdf 代码链接：https://github.com/jayleicn/ClipBERTMetaSCI: Scalable and Adaptive Reconstruction for Video Compressive Sensing Zhengjue Wang, Hao Zhang, Ziheng Cheng, Bo Chen, Xin Yuan 论文链接：https://arxiv.org/abs/2103.01786GAN/生成式/对抗式(GAN/Generative/Adversarial)Exploiting Spatial Dimensions of Latent in GAN for Real-time Image Editing（利用GAN中潜在的空间维度进行实时图像编辑）Hijack-GAN: Unintended-Use of Pretrained, Black-Box GANs(Hijack-GAN：意外使用经过预训练的黑匣子GAN)Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation(样式编码：用于图像到图像翻译的StyleGAN编码器)A 3D GAN for Improved Large-pose Facial Recognition(用于改善大姿势面部识别的3D GAN)AttentiveNAS: Improving Neural Architecture Search via Attentive 论文链接：https://arxiv.org/pdf/2011.09011.pdfDiffusion Probabilistic Models for 3D Point Cloud Generation Shitong Luo, Wei Hu 论文链接：https://arxiv.org/abs/2103.01458There is More than Meets the Eye: Self-Supervised Multi-Object Detection and Tracking with Sound by Distilling Multimodal Knowledge Francisco Rivera Valverde, Juana Valeria Hurtado, Abhinav Valada 论文链接：https://arxiv.org/abs/2103.01353                 http://rl.uni-freiburg.de/research/multimodal-distillEncoding in Style: a StyleGAN Encoder for Image-to-Image Translation 论文链接：https://arxiv.org/abs/2008.00951 代码链接：https://github.com/eladrich/pixel2style2pixel                 https://eladrich.github.io/pixel2style2pixel/Hierarchical and Partially Observable Goal-driven Policy Learning with Goals Relational Graph Xin Ye, Yezhou Yang 论文链接：https://arxiv.org/abs/2103.01350RepVGG: Making VGG-style ConvNets Great Again 论文链接：https://arxiv.org/abs/2101.03697 代码链接：https://github.com/megvii-model/RepVGGTransformer Interpretability Beyond Attention Visualization 论文链接：https://arxiv.org/pdf/2012.09838.pdf 代码链接：https://github.com/hila-chefer/Transformer-ExplainabilityPREDATOR: Registration of 3D Point Clouds with Low Overlap 论文链接：https://arxiv.org/pdf/2011.13005.pdf 代码链接：https://github.com/ShengyuH/OverlapPredator                 https://overlappredator.github.io/

 产业中国蝉联世界第一制造大国11年，工信部定调「制造、网络」强国2020年，中国连续11年成为世界最大的制造业国家。制造业的占比比重对世界制造业贡献的比重接近30%。2021/03/03 18:05原文链接翻滚跳跃、集群飞行，MIT开发新一代类昆虫无人机，还能承受人为撞击昆虫大小的无人机。2021/03/03 15:06原文链接「蚂蚁呀嘿」的App，国内火完七天就下架了又一个热门 AI 应用，眼看它开源完代码，眼看它火了，眼看它下架了。2021/03/03 14:54原文链接ICDAR首届文档图像与自然语言处理研讨会DIL2021启动征稿！近日，百度联合中科院自动化所、德国人工智能研究中心、纽约州立大学布法罗分校举办ICDAR 2021第一届文档图像与自然语言处理研讨会DIL2021，并诚邀相关领域的各专家学者投稿参会，2021/03/03 10:58原文链接全球首次！AI研制新药物仅需18个月，李开复梁颕宇：AI医疗已突破，但只打1分比AlphaFlod更加完整2021-03-03 13:30:46原文链接理论表现优于ViT和DeiT，华为利用内外Transformer块构建新型视觉骨干模型TNT优于谷歌ViT和FB DeiT的新型视觉Transformer网络架构。2021/03/03 15:10原文链接其他中兴通讯回应“设立汽车电子团队”：消息属实内部人士透露，该业务体系的一把手仍在竞聘阶段。2021-03-03 18:18:41原文链接上海临港新片区：到2025年集成电路产业规模破千亿上海临港新片区发布集成电路产业专项规划2021-03-03 17:39:36原文链接7999元大疆最新无人机，支持第一人称视角极速拍摄，网友：不是航拍，是直接起飞单手就能操控2021-03-03 13:39:49原文链接英特尔芯片专利官司败诉，判罚140亿，半个季度白干了…英特尔律师直言，这次碰上“专利碰瓷”2021-03-03 12:55:12原文链接

本文是北京大学&华为诺亚等联合提出的一种图像处理Transformer。Transformer自提出之日起即引起极大的轰动，BERT、GPT-3等模型迅速占用NLP各大榜单；后来Transformer被用于图像分类中同样引起了轰动；再后来，Transformer在目标检测任务中同样引起了轰动。现在Transformer再出手，占领了low-level多个任务的榜首，甚至它在去雨任务上以1.6dB超越了已有最佳方案。论文链接: https://arxiv.org/abs/2012.00364Abstract随机硬件水平的提升，在大数据集上预训练的深度学习模型(比如BERT，GPT-3)表现出了优于传统方法的有效性。transformer的巨大进展主要源自其强大的特征表达能力与各式各样的架构。在这篇论文中，作者对low-level计算机视觉任务（比如降噪、超分、去雨）进行了研究并提出了一种新的预训练模型：IPT(image processing transformer)。为最大挖掘transformer的能力，作者采用知名的ImageNet制作了大量的退化图像数据对，然后采用这些训练数据对对所提IPT(它具有多头、多尾以适配多种退化降质模型)模型进行训练。此外，作者还引入了对比学习以更好的适配不同的图像处理任务。经过微调后，预训练模型可以有效的应用不到的任务中。仅仅需要一个预训练模型，IPT即可在多个low-level基准上取得优于SOTA方案的性能。