论文地址：https://arxiv.org/abs/2102.12122源码(欢迎点击star)：https://github.com/whai362/PVT TL;DR这个工作把金字塔结构引入到Transformer[1]中，使得它可以像ResNet[2]那样无缝接入到各种下游任务中（如：物体检测，语义分割），同时也取得了非常不错的效果。希望这些尝试能够促进更多下游任务的进一步发展，将NLP领域中Transformer的火把传递到CV的各个任务上。

一、CV人才现状：七成以上CV人才集中在区域经济发达、相关产业聚集、高校资源丰富的一线与新一线城市，整体人才分布集中度高。目标检测作为CV领域的基础研究任务，是近年来中国CV产业落地过程中应用最广泛的技术之一，也是CV人才最集中研究的细分领域。CV人才在“后疫情”时代仍拥有较高收入水平，其中算法岗的平均薪资伴随工作年限的增长增幅不断加大。随着计算机视觉技术的广泛落地，垂直行业在CV领域深度耕耘，打造了行业专属的CV应用。除人工智能和互联网行业外，电商、金融、企业服务、教育、文娱内容等领域也拥有大量CV人才。 二、CV人才诉求：企业偏好多元化专业背景人才，以促进CV与更多学科深度交叉融合。CV人才在未来还需软硬兼修，一方面加强新技术实用化的硬实力，另一方面积极提升解决问题的软技能。企业已经意识到在CV的落地场景中，单纯依靠模型优化并不能解决所有问题。因此，除算法岗外，超六成企业表现出对AI产品经理的强烈需求。 三、CV人才培养与发展：我们从CV人才、企业及高校三个角度洞察到现实与期望的差距。这也是计算机视觉作为一门理论研究与工程实践高度融合的学科在发展进程中的挑战。在调研中，高校和企业对于建立联合实验室以及科研项目合作表示出强烈的意愿，这有望成为CV领域人才培养的重要方式来源：德勤

近期，教育部、公安部联合在京召开全国学校安全工作视频会，要求在校园安全，学生安全这一核心任务上，要认真做好“六个强化”，扎实做好学校安全工作，千方百计保障师生安全，其中明确指出“要强化安防基础”。近年来，校园安全事故频发，食品安全，校园暴力等，无一不在危害和摧残着孩子们的身心健康，我们不想再说，“孩子是家庭的希望，是祖国的未来，少年强则国强，少年智则国智”，我们想切实为孩子们，为校园安全，做些什么。华为机器视觉普教联网解决方案，秉承Huawei HoloSens SDC 、Huawei HoloSens IVS智能化产品能力，打造与众不同的，真正让家长安心的幼儿园。校园出入口，便捷通行功能有效减少门口的拥堵，降低因为拥堵发生安全事故的概率，通过门禁有效识别入园人员身份，可疑人员、突发事件快速响应，提前预警，同时可通过一键报警装置实现危险警情一键上报。教学活动区域态势感知功能，通过预集成危险行为检测智能算法，防止孩子活动时意外情况的发生。操场区域因为范围广，人数多，老师无法照看到所有小朋友，全景监测功能很好的解决了这一问题，帮助老师照看操场上每一位孩子。食堂区域响应政府“明厨亮灶”工程，通过部署防油污高清摄像机，实时上传厨房视频信息，让食堂接受政府和公众的监督，摄像机内加载特定的算法，可以对食堂内部违规操作，不规范行为进行捕捉并告警，保障孩子们饮食安全，真正让家长们安心。华为机器视觉普教联网解决方案已在多个校园部署。如深圳市罗湖区幼儿园就部署了整个方案，使用感受良好。孩子脆弱又天真，稚气而可爱，华为机器视觉普教联网解决方案，致力守护孩子天真的笑脸，无忧的童年，守护社会和家庭的未来，保障孩子平安成长。了解更多相关商品请点击进入：华为好望商城【华为云云市场，助您无忧上云】

2020年9月17日，以“智汇津门，路畅行安”为主题的首届全国智慧交管行业峰会在天津成功召开，来自全国的近500位部交管局领导、专家学者与企业领袖，共同探讨人工智能、云、大数据、5G等新技术在智慧交管领域的应用。华为机器视觉总裁段爱国出席并发表了“全息感知，数据智能，赋能交通智能体”主题演讲，从当前交通管理智能深化面临的十大挑战出发，分享了华为在构建交通智能体的优秀实践。华为致力于把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。未来二三十年，人类一定会进入万物感知、万物互联和万物智能的智能社会。5G、AI和机器视觉三种技术相互促进、相互激发，加速智能世界的到来。未来十年，机器视觉将成为万物感知入口，引爆行业数字化。2020年，华为机器视觉不断丰富产品与场景化解决方案，在交管领域重点聚焦智能化应用落地，取得了巨大进展。摄像机出货量相比去年同期大幅提升，于5月份发布了AI超微光卡口摄像机，被称为华为机器视觉的“Mate7”，全息路口解决方案在发布后短时间内取得了多个项目突破的喜人成绩。交通综合治理道阻且长，当前交管智能深化还面临着诸多挑战，段爱国从感知检测、建设施工、数据应用三个维度的十大挑战出发，分享了华为机器视觉在赋能交通智能体的创新成果。挑战1：设备多，麻雀杆，升级维护难传统摄像机功能固化，导致路口一种业务部署一套设备，麻雀杆现象非常严重，不仅造成资源浪费，而且影响市容市貌。其次这些设备的功能升级、维护极其困难，对新出现的新能源车牌无法识别。如何做到一个设备实现全业务智能、可持续升级迭代是用户共同期许。华为创新方案：华为软件定义摄像机（HoloSens SDC）支持一机多用，违法/事件/流量多功能合一；支持开放SDC OS架构，可通过华为算法商城快速加载第三方算法，例如华为与上海电科合作，在SDC上加载了16种违法检测算法，如“连续变道、变道不打灯、未交替通行”等新型违章检测算法已实战部署。挑战2：光污染隐患大，强反光看不清道路上的高光爆闪灯对交通安全影响很大，常受到民众投诉，若不加补光灯或者采用红外爆闪灯，车辆抓拍的图片效果差，有偏色，无法达到执法取证的要求。如何做到不要爆闪灯、但要全天候高清全彩是个业界难题。华为创新方案：华为AI超微光卡口，采用LED智能精准补光技术，有效截止杂散光束对司机的影响，能减少光污染90%。内置2颗AI芯片，总算力达到20TOPS，用算力换图像，通过深度卷积网络模型实时优化图像质量，对夜间低照度车辆抓拍效果和白天车窗玻璃彩纹干涉的车内图像进行增强，从而得到全天候、全彩、不偏色的车内外高清图像。挑战3：全局与细节无法兼顾交通管理既要掌控全局态势，又要知晓事故、事件的细节。传统的云台远近无法兼顾，基本无智能；枪球一体机的固定枪机不能随球机同步转向，双镜协同能力有限。如何做到全局与细节兼顾，还要强智能？华为创新方案：华为“二郎神”AI双模智能球机，采用90°广角加40倍长焦的双镜头一体化设计，双镜智能协同，远近兼顾，实现全场景无盲区的覆盖，同时支持多场景不同预置位不同智能检测。挑战4：电动车、行人违法多，监管难传统电警、卡口重点关注的对象是机动车，而对其他交通参与者如行人和电动车的关注较少，导致交通违法管控、信控配时比较困难。如何提升对其他交通参与者的感知问题亟待解决。华为创新方案：华为经济型全结构化摄像机可实现行人、机动车、非机动车全结构化，并对行人流量精准采集。同时全结构化摄像机前端智能化，生成图片转发到后端平台分析的模式比前端非智能摄像机加后端平台做视频分析的模式更具优势，大大提升了算力的利用效能，同时降低对芯片制程的要求。挑战5：城市破路施工影响大，审批难老城区在智能化升级改造中常面临破路施工难题，对交通影响巨大。同时破路施工的审批周期常在三个月以上，而不需要破路的施工审批周期仅需2周。如何做到不破路，又能智能升级改造是刚需。华为创新方案：华为即将推出的无网电警卡口采用VideoX无线组网技术，不破路，快速部署，可全面覆盖各种路口形态，降低系统建设TCO。挑战6：临时点位部署难在重大赛事安保、应急指挥中常需要临时增加视频点位来实现全程可视。业界常采用4G摄像机，但由于4G带宽原因，视频流畅度并不高；一些业界5G摄像机因为处理不好I帧码流与基站带宽的匹配问题，单基站接入数量非常有限，建设成本高。华为创新方案：华为是全球5G技术的领导者，推出的5G摄像机采用端网协同的智能流控技术和智能编码技术，可实时根据5G信号强弱智能调整I帧码率，使单基站的摄像机接入数量对比业界提升2-3倍，即使在网络丢包率达到10%的情况下，FillP传输专利技术对带宽利用率依然超过95%，视频体验更流畅。挑战7：部分道路布网、取电难部分农村道路、高速公路、偏远道路，布网、取电难，现场运维不方便，容易造成监管盲区。华为创新方案：华为的“四无”生态型摄像机，突破时空限制，采用高效能光储一体化技术，用更小的太阳能电池板和刀片锂电解决供电问题，通过VideoX自组网技术，解决无网问题，通过远程运维，减少人力成本。挑战8：单维数据不精准，路口管理不精细十字路口的优化治理受限于缺少精准的数据，传统的单维采集方式存在诸多限制，如单向视频容易被大车遮挡，夜间低照度、雨雪雾霾天气数据准确度不高；传统的环形线圈极易损坏，在线率低；浮动车数据采样率低，数据颗粒度大；雷达对低速目标不敏感，易产生断点，重复计数。因此，提供全面、准确、实时、精细的交通数据，是交通精细化治理的基础。华为创新方案：华为基于AI超微光卡口、毫米波雷达和智能交通微边缘ITS800打造了全息路口解决方案。采用多方向雷视拟合技术，结合高精度地图呈现路口数字化上帝视角，精准刻画路口每一条车道、每一辆车的行为动向。ITS800边缘计算单元可生成有标识的车牌、车辆属性、车速、位置、行驶姿态等五类元素据，可合成40多种业务指标，助力交通管理走向科学化、精细化。通过对交通事故、事件的自动感知，精准辅助定责，可节约处警时间20分钟，降低次生事故发生；提供精准车道级流量数据，支持路口信控自适应配时；通过实时交通热力图和路网出行规律，快速发现交通隐患点，缩短治理周期，并依据数据分析给出交通组织优化的合理建议。挑战9：路段点位少，违法多，监管弱路段是交通违法的高发区，但当前部署的卡口、电警摄像机主要集中在路口和少量重要路段，点位有限。但路段的社会视频有很多，如何有效利用各类现有视频资源，提升路段监管能力是当务之急。华为创新方案：智能视频存储IVS3800通过多算法仓，集成业界各类型人、车、违法、事件、流量算法，复用前端电警、卡口视频、图片流及社会点位视频流，实现交通违法、流量二次检测，扩大执法半径，实现现网视频利旧增值，有效节约投资。挑战10：人车数据不关联，执法取证难假牌、套牌查控难，交通肇事逃逸追查难，执法取证难，买卖分黄牛管控难。根源在于人与车数据未关联，不能实现违法精准处置。华为创新方案：智能视频存储IVS3800采用vPaaS多算法服务框架完成人车数据关联归档，实现以人搜车、以车搜人。同时支持256位车辆特征识别，在千万级干扰数据集上验证以图搜车准确率达到87%。华为机器视觉以HoloSensSDC全息精准感知打造“最亮双眼”，以HoloSens IVS全网数据融合构筑“最强大脑”，以HoloSens Store全域协同应用锻造“最快双手”，赋能交通智能体，助力交通管理进入科学化、精细化新时代。商品链接：交通事件检测；前端科技点击进入：华为好望商城【华为云与云市场，助您无忧上云】

 走进一家餐厅，优美的用餐环境，干净整洁的厨房，厨师们戴着厨师帽和口罩，手中的铲勺在轻盈的跳舞，顿时，味蕾在跃动。这些都归功于“阳光厨房”的概念。        “阳光厨房”是指在餐饮服务单位的食品加工关键环节安装视频监控设备，对厨房操作间的各流程进行公开化监控的一种经营方式，根据食品安全法，“食品处理区内从业人员应穿戴清洁工作衣帽从事食品加工操作并且头发不应外露。同时国家市场监督管理总局发布的《餐饮服务明厨亮灶工作指导意见》，已明确提出，鼓励餐饮服务提供者实施明厨亮灶，以此保障消费者的知情权。  华为机器视觉&安徽水天阳光厨房解决方案        华为机器视觉的软件定义摄像机、智能视频存储产品和安徽水天科技公司以厨房场景为核心的智能分析能力（厨师帽识别、口罩识别等）相结合，解决目前学校、园区、机关单位的后厨的安全及卫生问题，发现异常通过水天科技智能化综合管理平台自动告警提示并推送到指定平台，帮助经营者实现：        1、提升经营管理效率：阳光厨房解决方案自动监督后厨的干净和卫生；及时发现改进点。        2、提升顾客信赖度：后厨可视，让顾客可以放心吃，安心吃。       3、厨房重点区域无死角监控：安装华为HoloSens SDC摄像机对厨房重点区域进行视频监控。        基于华为HoloSens SDC摄像机装载安徽水天公司的智能算法，可实现：厨师帽识别：对进出后厨活动的人员是否佩戴厨师帽进行自动识别，若识别到人员未佩戴厨师帽，可立即发出告警信息。口罩识别：对进出后厨活动的人员是否佩戴口罩进行自动识别，若识别到人员未佩口罩，可立即发出告警信息。厨房老鼠侦测：对厨房食物存放处的侦测，识别到老鼠后告警提示管理人员进行及时处理。煤气罐检测：对重点餐饮单位后厨不能使用煤气罐，当识别到煤气罐后自动告警提示。文中提到的商品链接：阳光厨房解决方案华为好望商城【华为云云市场，助您上云无忧】

近年来，随着云计算、大数据等技术的不断成熟，我们已经看到AI正以惊人的速度在各个行业中开展应用。可以说，AI已然成为未来智慧城市、智慧生产、智慧生活的强大引擎。作为业界公认的AI最先落地的领域，机器视觉利用视频+AI+大数据的能力，让智能视频和数据分析不仅仅应用于安全保障，更逐步成为各行各业的全新生产力。AI+机器视觉@旅游景区范围大，视频有死角，摄像机选点难度高？多路视频，存储难，分析难、检索难？丽江古城×华为HoloSens机器视觉，旅行，看见风景，看见AI。AI+机器视觉@教育考场视频画面有死角，运维复杂？试卷保密室安防要求严，人力成本高？多考点视频信息割裂，协同管理难？贵州省考试院×华为HoloSens机器视觉，标准化智慧考场守护教育公平。AI+机器视觉@电力隧道管廊安全作业管理难？传感系**立数据割裂，运维复杂？深圳前海电力×华为HoloSens机器视觉，解放摸黑前行的巡检人。AI+机器视觉@科创园区视频智能化识别率要求高？存量安防系统智能化升级成本高？视频存储空间利用率低？京东方×华为HoloSens机器视觉，给高创园区智慧升级打个样！AI+机器视觉@物流货场安全作业边界管理难，视频周界部署成本高？人、车、货数据信息割裂，业务协同闭环难度大？京铁云×华为HoloSens机器视觉，构建全新的货场运营体系。AI+机器视觉@办公园区红外周界误报率高传统安防人工告警时效性差？金风科技×华为HoloSens机器视觉，提供园区管理效率提升新引擎。AI+机器视觉@能源井下无光场景色彩还原难度高？矿区安全作业流程、人员流动管理难？多矿区视频信息割裂，数据共享难？淮河能源×华为HoloSens机器视觉，科技让生产更安全！时代洪流滚滚向前，新技术、新需求不断驱动行业数字化转型的日新月异。躬身入局，沉浸其中，与行业客户、生态伙伴一起解码核心业务场景，利用技术创新由内而外驱动行业数字化转型不断提速，华为机器视觉，在路上。点击进入：华为好望商城【华为云云市场，助您上云无忧】

  门口的刷脸闸机识别顾客体温，收银台处的摄像机识别VIP身份，货架前的监控识别偷盗行为，天花板上的摄像头监测热力图……        如果一个便利店老板想让店铺智能起来，他只需要进入一个名为Huawei HoloSens Store（华为好望商城）的网上商城，购买AI算法。点点鼠标，不同功能的AI算法就会自己部署到便利店的摄像机上。        当然，这些摄像机得是华为软件定义摄像机，一种像手机一样可以下载App的摄像机。        软件定义摄像机、智能视觉平台、算法商城、摄像机1拖N、共享协同、数据融合……这些词在2019年被华为一把扔进AI安防一江春水时，引起了业内不小的震动。华为机器视觉产品线总裁段爱国曾说：“华为做软件定义摄像机，智能手机这样的软件定义产品珠玉在前”！        2019年10月，华为重磅推出Huawei HoloSens Store（华为好望商城），并在线下业务试水。不到半年，Huawei HoloSens Store推出在线交易版，正式走上互联网平台。目前， Huawei HoloSens Store已经汇聚了四十多种算法，涉及零售、交通、政府、园区等各行各业。        不得不说，这对于智能安防行业的集成商、代理商来说是一个好消息。利用Huawei HoloSens Store，摄像机集成商不用再像无头苍蝇一样在智能视频算法市场中遍寻适配的算法。只需要在HoloSens Store网站上选择自己的设备型号和场景需求，就能匹配到合适、高质量的算法，一键部署到设备上。Huawei HoloSens Store目前的算法在数量约40多个，机器视觉云服务总经理徐迎辉说，为了保证算法质量，Huawei HoloSens Store会通过刚需程度和成熟度严选算法的两大标准，使商城获得良性循环的基础。由此可见，华为的HoloSens Store首先是要保证算法质量，并不急于冲量。买家和卖家是一个硬币的两面，就像淘宝商城能使得卖家免去实体店运营的麻烦一样，Huawei HoloSens Store同时为算法提供商（卖家）带来了便利。对于算法提供商来说，他们只需要把算法上架到Huawei HoloSens Store，平台会帮助他们精准匹配买家。换句话说，他们可以“埋头”搞研发，坐等算法变现。        对华为来说，Huawei HoloSens Store不仅为华为安防的客户提供了源源不断的算法，还是在通过这些算法解决千行百业的实际痛点，看到千行百业的产业AI化的可能。随之而来的，是华为乃至整个智能安防市场的扩容与放量。正如Huawei HoloSens Store商城总经理说，预计千万级发货的智能终端都将成为HoloSens Store的潜在用户。        就像App Store的出现标志着手机进入智能机时代一样，Huawei HoloSens Store的上线也标志着华为机器视觉注定走了一条和传统安防不一样的道路。        从2018年福州生态大会上的一个沙盘，到2019年华为机器视觉业务部门试水，再到今年3月上线在线交易版，Huawei HoloSens Store这一华为机器视觉的算法“泉水”已经蓄势待发。        2020年伊始，华为智能安防改名为“华为机器视觉”，剑指千亿机器视觉赋能千行百业的新市场。华为常务董事汪涛说，HoloSens Store是“智能视频落地千行百业的催化剂！”段爱国则预测，HoloSens Store将影响未来安防十年的发展！        近日，华为一口气发布了包括“四无”生态摄像机、5G摄像机、热成像摄像机在内的十几项新品和方案，有望进一步为Huawei HoloSens Store带来百万级的潜在用户！点击进入：华为好望商城【华为云云市场，助您上云无忧】

今日共有10条快讯，全文 1050字 产业办公因AI而能：科大讯飞发布全新一代智能办公本X2科大讯飞消费者事业群副总裁钟锟全面介绍并展示了智能办公本新品——讯飞智能办公本X2。2021/02/24 16:41原文链接公交智能转型之路：自动驾驶、手脉识别、语音交互，深兰以人工智能打造“功夫熊猫”深兰科技自2017年开始尝试整车设计，一路至今，推出多项应用成果，同时取得多个城市的自动驾驶牌测试照。经过三年中无数次的钻研和打磨，最终形成的熊猫智能公交整合自动驾驶技术、手脉识别系统、语音交互、精准广告推送等功能，实现在公交的动力、安全、效益和服务上的全面升级。2021/02/24 16:10原文链接2020中国计算机视觉人才调研报告：算法岗年薪三十多万，超六成企业急需AI产品经理最近，德勤携手极市计算机视觉开发者平台、中国图象图形学学会联合发布《2020年度中国计算机视觉人才调研报告》，通过把握计算机视觉人才脉搏，报告发现以下核心观点和主要成果2021/02/24 11:24原文链接理论中山大学发布无偏视觉问答数据集KRVQA，论文登上顶刊TNNLS近期，中山大学人机物智能融合实验室发布了基于常识的无偏视觉问答数据集 (Knowledge-Routed Visual Question Reasoning，KRVQA)。2021/02/24 14:43原文链接一天刷到5篇「x is All You Need」，当学术论文开始标题党……在机器学习论文数量迅速增加的当下，「标题党」趋势也正在抬头。然而，「标题党」虽好，也要当心同质化啊。2021/02/24 14:34原文链接入门深度学习领域最常用的10个激活函数，一文详解数学原理及优缺点激活函数是神经网络模型重要的组成部分，本文作者Sukanya Bag从激活函数的数学原理出发，详解了十种激活函数的优缺点。2021/02/24 14:39原文链接芯耀辉完成4亿融资，红杉中国领投助力解决芯片IP痛点芯片IP领先企业芯耀辉科技（以下简称”芯耀辉”）近日完成天使轮及Pre-A轮超4亿元融资。Pre-A轮由红杉中国、高瓴创投、云晖资本和高榕资本联合投资，松禾资本、五源资本（原晨兴资本）、国策投资和大横琴集团等机构参投。老股东真格基金和大数长青同时追加投资。融资将用于吸引海内外尖端技术人才，提升产品交付能力，功能深化和芯片生态连接能力升级。同时，芯耀辉将进一步投入服务体系。2021/02/24 10:50原文链接工程有钱有闲有知识：「百发百中」篮板作者又出新作：百发百中台球杆「I don't have skill, but I do have technology.」2021/02/24 14:31原文链接其他安卓能帮你检查密码泄露了！还有Messages定时发送等多项功能优化密码泄露，现在能在登录之前收到提醒了！2021-02-24 17:26:01原文链接1%学者拥有21%引用量，全球学术圈两极分化扩大科学界的“富人”和“穷人”之间的差距越来越大。2021-02-24 13:11:13原文链接 

推荐三个好望云服务的求助渠道，具体操作方法如下： 渠道1：在机器视觉论坛——好望云服务站专区中发布主题（推荐简单问题咨询、资源获取使用）https://bbs.huaweicloud.com/forum/forum-1195-1.html渠道2：提交工单（推荐问题定位、Demo等资源获取/项目对接前期沟通等使用）1、登录华为云，在账户中进入“工单管理”界面。2、在“新建工单”中进入“更多工单产品分类”。3、选择“行业视频管理服务”4、选择对应的问题类型，并新建工单5、以摄像机接入为例，选择“设备接入”->“新建工单”。6、在“新建工单”界面，提交相应的信息，反馈的问题会有工程师跟进解决。渠道3：对于项目型对接，涉及到方案设计、咨询等问题，可通过工单方式建立线下IM企业群，可帮忙企业开发者高效对接。

摘要：本文主要讲述云原生时代华为云在AI基础研究、视觉预训练模型研发和行业实践，以及AI开发平台ModelArts的最新进展。近日，在Qcon全球软件开发大会（深圳站）上，华为云人工智能领域首席科学家、IEEE FELLOW田奇博士，发表了“云原生时代，视觉预训练大模型探索与实践”的主题演讲，介绍了云原生时代华为云在AI基础研究、视觉预训练模型研发和行业实践，以及AI开发平台ModelArts的最新进展。以下是田奇博士演讲要点：随着企业数字化的转型，传统企业已基本上将业务从线下搬到了云上。其中，第一个阶段是将企业的业务简单地部署到云上，我们可以称之为ON CLOUD，在这种形态下，通过资源池化，解决了IDC时代运维、部署、扩容的难题。但是，传统方法的过于厚重、烟囱式的架构，导致云对业务的价值还仅仅停留在资源供给阶段，未充分发挥出云计算的潜力。随着企业的数字化建设逐步迈入智能化阶段，企业需要充分利用云计算带来的红利，就需要让其业务能力内生于云，由现在的ON CLOUD进阶到IN CLOUD阶段，即基于云的技术架构来构建企业业务，通过构建多云、多中心的分布式架构以及敏捷、智能的企业数字化业务，将企业的数字化建设带入智能化新阶段。此时，云对业务的价值不再是简单的资源供给，还能够以应用为中心，为业务赋能。一站式AI开发平台，加速行业AI落地，践行普惠AI华为云提供了一站式的AI开发平台，加速行业AI落地，践行普惠AI。华为云对AI平台打造了四层体系，第一层是智能体；第二层是知识计算解决方案；第三层是ModelArts Pro，针对专业应用开发套件；第四层是ModelArts Fundamental。对于一站式的AI开发平台，主要聚焦在模型高效、数据高效以及知识高效。这些强大的AI服务，底层都是基于云原生容器的Volcano高效能调度引擎，而Volcano调度引擎将训练任务的效率提升了50%。华为云AI基础研究进展华为云长期扎根AI技术基础研究，在计算机视觉、语音语义、决策优化三个方向做了深入探索与研究。为此，我们针对数据、模型和知识提出了六个子计划。其中，针对模型包含两个计划，一个是针对大模型的模型摸高计划，提供极致的性能；第二是针对小模型的模型瘦身计划。针对数据提出了两个计划，一个是处理多模态的数据魔方计划；另一个是针对小样本学习的数据冰山计划。最后针对知识的高效提取，我们提出了两个计划：建造通用AI系统的万物预视计划以及学习一种新范式的虚实合一计划。在这些计划中，我们始终聚焦在模型高效、数据高效、知识高效等重点方向上。对于自主研发的一些新技术，比如自动学习、知识蒸馏、预训练模型等等，都会以即插即用的方式部署到华为云线上，助力AI行业落地。在众多AI领域中，计算机视觉具有广泛的落地场景，在智能汽车、智能手机、无人机、智能眼镜等应用都有计算机视觉算法的身影。这些年随着计算能力和5G通信技术的极大提高，以计算机视觉为代表的大批AI技术，已跨越了早期仅在研究领域取得进展的阶段，过渡到了与社会环境协同发展、共同促进的阶段。未来视觉AI技术会在千行百业进行落地，比如政府、医疗、工业、能源、交通、物流、金融等等。但是，技术落地也面临着巨大的挑战，由于AI应用的碎片化、定制化等因素，极大地限制了AI在真实环境下的落地部署。为了解决应对AI碎片化等问题，我们提出了预训练大模型的解决方案，希望能用大量无标注的数据和更大的模型来实现更通用的AI系统。在自然语言处理领域，这两年大规模预训练模型取得了突破性进展，但是预训练模型对算力有极大的需求，而且我们预计更大规模、更大参数的模型还会继续出现。因此，受到自然语言处理中预训练模型的启发，在计算机视觉中我们也希望构建通用的AI系统，为下游各种视觉任务提供一个高效的初始化模型。现在主流的学习方式有两种，一种是监督学习，一种是强化学习。监督学习需要海量标注样本，泛化能力相对比较弱，另一种是强化学习，强化学习需要海量的试错，同样缺乏通用系统所需要的可适用性、可重复性以及鲁棒性。我们认为，自监督学习是迈向常识学习的关键步骤，但是目前自监督学习在视觉任务中的应用还不够成熟。过去，在数据标注、模型训练和输出阶段，分别要做大量的重复工作。未来，我们希望可以对计算机视觉或者自然语言处理任务构建一个通用预训练模型，仅通过下游少量的标注样本进行微调就可以高效完成任务，从而大量节约开发成本。视觉预训练大模型研究和实践接下来的报告，我会介绍一下我们在预训练模型方面的工作，主要是在自监督学习过程中预训练模型的一些进展。自监督学习由于不需要任何人工标注便能够学习图像的内在表征，近年来受到了业界的极大关注。在没有人工标注的情形下，自监督学习需要预先设定一些预训练任务辅助模型学习。2016年以前，一些预训练任务推动该领域出现了一些大的进展。自监督学习主要分为两种，一种是生成式，一种是对比式，近几年最新的一些工作大多是基于实例区分的对比学习。基于实例区分的对比自监督学习在最近几年取得了极大的进展，在一些任务上刷新了现有自监督预训练任务的SOTA结果。最近我们在对比自监督学习方面有两项优化工作，首次实现了在ImageNet线性分类任务中达到全监督基线性能，并且在小样本分类上大大超越了之前的方法。然而，现有的自监督预训练模型仍然处于探索阶段，存在大量的问题未能够解决：现有的自监督预训练算法迭代缓慢，很难复制到大模型以及超大规模数据集；另外，相较于全监督学习，其特征表达在大多数下游任务上仅仅能获得与之相比拟的结果，其进一步的性能优势还有待挖掘。因此，如何利用自监督学习在超大数据集合，超大模型上获取更强的泛化性能将会是未来的发展方向。在这里，介绍一下我们最新的几个工作，在对比自监督学习框架下，我们提出了基于邻域保持的混合图像增强，在业界首次提出了利用不同图像数据增强策略提升其泛化性能。过去，对比学习通常利用同一样本的不同数据增强生成正样本集合，并且把其他样本均视为负样本的策略，将样本特征的距离拉近或者拉远作对比学习任务，而我们首次提出了选取不同正样本的方法。同时，提出了基于局部领域混合增强的技术，把多个相似样本的特征拉近，不同样本的距离拉远。我们的方法在ImageNet线性分类评估上，TOP-1的精度达到了75.5%准确率，离监督学习基线76.5%仅仅差了1个百分点。通过对预训练模型在小样本标注数据上进行微调（1%和10%标注的数据），我们的精度达到了最好的结果。接下来介绍一个我们今年刚刚完成的工作，基于等级化语义聚集的对比自监督学习框架。在上述工作的基础上，我们进一步发现即使显示地拉近语义相似性样本，特征表达的可分离特性并没有达到我们的预期目标，这限制了其泛化表征能力。自监督学习仍然存在优化困难，收敛速度慢等问题，为此，我们做了两点改进，第一，我们拓展了自监督学习算法中正样本数目，使得正样本集合能够更加高效的被聚集，同时避免受大量负样本优化的影响。第二，我们在浅层特征上引入对比自监督学习，通过精心设计的浅层优化目标加速训练过程，在浅层特征上实现了更好的可分离性，我们发现这些优势对小样本学习有极大的提升。从结果来看，我们在线性分类任务中达到了76.4%的精度，首次达到了和全监督基线相比拟的性能，而且通过将预训练模型在小样本标注数据上进行微调，在之前的结果上又得达到了新的SOTA，特别地，仅仅使用10%标注，我们在ImageNet 分类上达到了75.1%的TOP-1精度。上述两项工作都是在没有任何标签设置下完成的，更进一步，我们探索了如何把对比学习和数据标签高效地结合起来，通过引入图像真实标签来辅助对比学习，我们认为应该将自监督学习得到的表观特征和监督学习的语义特征相结合，它的本质是把表观相似和语义相似的样本距离拉近，将不相似样本的距离推远。从结果上看，这个工作在各个下游工作中（比如检测、语义分割、实例分割）的表现全面超越了以往的自监督和全监督的泛化能力。华为云的第二个核心研究方向是如何设计高效的视觉识别模型，即模型高效。在这个方向主要聚焦两个方面，第一是如何设计神经网络模型，第二是在神经网络架构搜索中，如何在原子算子层面上进行搜索。关于神经网络模型设计，最初的方式都是手工设计的，这种方式经过高速发展后，也进入了一个瓶颈，因此从2017年开始，自动的神经网络架构搜索经历了一个迅猛发展的过程，也取得了一些可喜的成绩。但是搜索出的网络也面临几个问题，第一个问题，搜索空间仍然是手工定义的；第二个，搜索的卷积算子是人工定义的，而且相比于手工设计的网络，搜索的网络可迁移性也是比较差的。我们在网络架构搜索上第一个工作是P-DARTS，提出渐进的可微分网络架构搜索算法。之前的网络架构搜索面临着搜索网络和测试网络深度不一样的问题，在较浅的搜索网络中搜索出来的架构并不适合较深的测试网络。早期的方法直接加深搜索的深度，但是会造成显存爆炸的问题，并且导致搜索不稳定。为了解决这个问题，我们提出了两个思想，一个是搜索空间近似，第二个是搜索正则化。搜索空间近似，是指采用渐进搜索策略，逐渐加深搜索的深度；同时进行链接权重的学习，把权重比较小的链接运算都扔掉，这样减少了搜索空间。搜索正则化主要是对搜索得到的一些skip connect的数量上的限制。从结果上看，我们把P-DARTS搜索的网络迁移到ImageNet上，在ImageNet分类任务上与基线方法相比提高了两个百分点。P-DARTS网络搜索算法是在P100上完成的，大概需要0.3个GPU-days。与去年同期的DARTS工作进行大致的比较，它的搜索时间是4个GPU-days，而在性能和速度都有超越的情况下，我们的方法只需要0.3个GPU-days。我们在架构搜索上的第二个工作是PC-DARTS，这是业界搜索速度最快的网络架构方法之一，其主要思想有两个，一个是采用局部连接的思想来解决网络冗余的问题，第二个是采用边正则化的思想来解决网络搜索稳定性的问题。并且，这个工作首次在大规模图像数据集ImageNet上进行了神经网络架构搜索。我们最新的一个相关工作是GOLD-NAS，渐进剪枝的单阶段可微分搜索算法。这个算法主要的一个贡献是它打破了传统可微分搜索空间的诸多限制，因此大大增加了搜索空间的容量，并提出了单阶段优化策略和渐进剪枝的优化策略。从结果上看，在扩大的搜索空间中，算法不仅能够找到绝对性能更强的网络，也能找到具有更高性价比的网络。我们第四个工作是卷积搜索，提出对卷积操作进行搜索，当前的模型搜索都是采用一些固定的卷积操作，比如1×1、3×3的卷积，这种方式限制了模型的性能。因此，为了将卷积的设计也纳入搜索的范围，这个工作提出了针对点云任务的基于数据驱动的模型搜索，同时对卷积的结构也进行了搜索，将来将进一步扩展到传统的图像领域。我们最近两年在计算机视觉三大顶会CVPR、ICCV、ECCV大概发表了近百篇文章，基本进入视觉研究领域第一梯队，极大地提高了华为在计算机视觉领域的国际竞争力，同时有一些工作也获得了最佳论文和最佳论文提名。而且最新的算法已经逐渐部署到华为的一站式AI开发平台，在一些行业得到了广泛的应用，下面再介绍一下视觉任务的进展和在行业的实践。第一个进展是图像分类技术，在ImageNet上，今年我们的分类准确率达到了85.8%，而之前谷歌最好的精度是85.5%。从今年3月份以来，我们在这方面一直保持着领先水平。第二个进展是弱标注场景下的图像分类技术。在WebVision大规模弱标注的网络图像分类比赛中，大约有5000个类别的1600万张图像，有90多支参赛队伍竞争，华为云在分类准确率上取得了业界第一的水平。我们把图像分类技术应用到了一些传统行业，比如米旗蛋糕店。结果上看，我们的技术让商品整盘识别率达到了99%以上的精度。另外，我们的模型训练时间小于一天，因此每天都可以进行模型更新，商品的识别时间也小于1秒。第三个进展是图像检测、分割技术，在业界权威的目标检测数据集MS-COCO数据集上，不论是单模型还是多模型，我们都取得了今年业界第一的成绩。我们将检测、分割技术用到了医疗智能体，在今年新冠肺炎AI-CT辅助筛查中实现了自动智能检测，而且已经在各大医院成功部署。我们第四个进展是多模态数据处理技术，相对于单模态，多模态具有天然的互补优势，比如在无人驾驶中除了图像的输入，还有激光雷达信号、GPS、图像分割的数据。在最权威的三维目标检测NuScenes数据上，我们提出的技术也取得了非常好的成绩，我们的结果比第二名领先了3.1%。同时我们将多模态处理技术用在了深圳交通智能体上，实现对红绿灯控制的智能化，在交通总量相同的情况下将平均通行车速提高了15%，将平均等待时间、延误时间下降了17.7%。最后介绍一下华为云一站式AI开发管理平台ModelArts。ModelArts有两个不同层次的版本，一个是ModelArts Fundamental，一个是ModelArts Pro。根据华为云在十多个行业常年的技术积累，ModelArts Pro开发平台主要提供五大类的专业应用开发套件，包括文字识别套件、视觉套件、知识图谱套件、多模态开发套件、自然语言处理套件，还提供了四十多个行业级的高精度预置的算法， 包含数据准备、数据处理、 模型设计、模型管理及部署等等。以上是华为云在视觉预训练模型上的一些基础研究最新进展和行业实践的案例，以及在华为云AI开放平台沉淀的一些工作。谢谢！

[中国，长沙，2020年11月9日] 今天上午，湖南广电影视集团与华为技术有限公司于《舞蹈风暴》的拍摄地——长沙五矿live演播厅举行《舞蹈风暴2&时空凝结》合作协议签约暨自由视角和VR视频发布仪式， 华为公司战略部总裁张文林出席仪式并发表演讲。华为公司战略部总裁张文林张文林表示，华为公司与湖南广播影视集团具有深厚的合作感情。早在2016年底，双方就在深圳签署了深化战略合作协议，共同建设中国领先的全媒体云平台。而这一次的合作，使得双方的合作创新更上一层楼，科技从幕后走向前台、与艺术交相辉映，创造全新的体验。对于《舞蹈风暴》节目，张文林给予了高度评价。他认为，自第二季首播以来，节目将参赛选手精美的舞姿，何炅老师精彩的主持，评委导师精湛的点评，工作人员精巧的设计，淋漓尽致地展现给了广大观众，奉献了一场场美不胜收的视觉盛宴！为了帮助节目实现奇妙的视觉效果，湖南广播电视台与华为双方组成联合团队，共同研发，为《舞蹈风暴2》度身定制了时空凝结系统，支持智能快速定焦技术、蝶式升降拍摄、拉近放大、多焦点等AI算法， 并借助端云协同的视频3.0+平台，助力节目组实现了多项业界首创，比如具有奇妙视觉变化效果的“立体风暴时刻”、交互操控随意旋转视角观看的自由视角版的《舞蹈风暴》节目、360度全景视野的《舞蹈风暴》VR版节目等。华为的愿景与使命是，把数字世界带入每个人，每个家庭，每个组织，构建万物互联的智能世界。通过本次与湖南广播影视集团的合作，共同为用户展现出精彩的节目，既是科技与媒体行业结合的又一成功典范，也是华为在追求愿景道路上的不懈践行。接下来，张文林表示，华为与湖南广播影视集团继续前进，共同塑造产业标杆的步伐不会停止。稍后，双方还要在芒果TV与华为视频客户端，同时上线《舞蹈风暴2》自由视角版本；在华为的VR Glass上，上线《舞蹈风暴2》VR版本。此外，华为还计划赋能自由视角以6Dof 的位置属性，让用户能够进一步“走入视频”，并能于其中“自由漫步”。相信这些具有丰富表现形式的超高清新场景，与5G、千兆网络结合，能够为广大用户带来更加自由、更加沉浸的全新体验。最后，张文林指出，广电湘军向来倡导“敢为天下先”的精神。让双方携手并进，用科技助力艺术，去掀起一场激动人心的“舞蹈风暴”！

5G 和AI 人工智能是未来全球科技行业发展的两个重要趋势。2019 年6 月6 日，工信部向中国移动、中国电信、中国联通、中国广电发放5G 商用牌照，标志着中国5G 正式进入商用阶段。三大运营商加快网络建设速度，计划2019 年底信号覆盖50 余个城市，2020 年底覆盖地级市以上城市。5G 网络寄托了整个移动互联网产业链未来的希望，也将深度赋能安防产业，引发安防产业的变革。2019 年10 月18 日，著名的信息技术研究与分析公司Gartner 发布的最新预测数据显示，“户外监控摄像机”将是未来3 年（2020-2022 年）全球5G 物联网（IoT）解决方案的最大市场。5G+AI，打开机器视觉新的成长空间与传统的4G相比，5G具有大带宽、高可靠低时延、海量连接等许多优点。通过5G提供的大带宽、低时延，AR/VR安防真正可以从概念走向商用；通过5G提供的低时延特性与计算机视觉相结合，可以实现机器人从简单的执行向人机协作生产升级，加速工业互联网的实现；5G的低时延与海量连接感知，可以实现车与车、车与路之间的通信，为AI算法提供多维数据，为辅助驾驶、无人驾驶提供技术。通过5G无线技术提供的大带宽，可以解决有线无法覆盖的安防场景，使能5G走向千行百业。人工智能经过多年的发展，已经取得了长足进步，但作为AI落地最成熟的市场仍处于“弱人工智能”阶段，算法、算力、数据是人工智能发展的三大关键要素，随着算力的不断提升，算法的不断进化成熟和丰富，数据加速汇聚融合，结合各个场景的智能化需求，机器视觉走向千行百业，打开新的成长空间。5G 不仅体现在无线侧的变革，还将推动业务解决方案端到端演进。虚拟园区网络在低时延特性基础上，提供了安全、专用的网络环境；网络切片实现从无线终端到业务平台端到端的服务质量；云网协同实现业务系统部署、优化的自动化与弹性，优化业务运营的效率和成本。“4G 改变生活，5G 改变未来”，5G 的到来将使人类的生产、生活方式发生深刻的变革，再次解放巨大的社会生产力，也将对机器视觉产业的生产方式带来新的变化。大带宽与机器视觉5G 采用了大量新技术和新架构以提高用户带宽，可以实现单用户1Gbps 以上的业务带宽，实现“超级上行”，解决大容量、高分辨率视频信号的回传问题。在机器视觉行业，视频清晰度要求不断提高。摄像机从最开始的标清，发展到准高清720P、高清1080P，甚至出现4K、8K 超高清。视频传输带宽也越来越高，对于采用 4096*2160 分辨率、 H.265 视频编码的单路 4K 视频，其带宽需求为 10-20Mbps，而对于采用 8192*4320 分辨率、 H.265 视频编码的单路 8K 视频，其带宽需求约为 40-60Mbps。对于一些 AR、VR、超高清视频等新型移动业务，4G 网络已经不能满足需求，必须采用更大带宽的5G 网络来承载。清晰度更高的画面与更丰富的视频细节是5G 给视频行业带来的新价值。高可靠低时延与机器视觉5G 技术通过改良空口数据子帧长度、下沉用户面应用（MEC 和边缘计算）、优化组网路径等多种新技术，新架构，可实现业务的超低时延，低至10ms 以内，响应速度更快。时延对于 VR/AR 安防、移动巡检、机器视觉等场景意义重大。毫秒级的时延可以大大降低VR/AR 使用者的眩晕感；可以实现无人机/ 机器人图像实时回传和远程操控，高效完成巡检任务，避免设备失控；可以支持机器视觉和工业控制等新型工业应用场景：通过回传的视频和图像，AI 算法可以实时决策、反向控制生产流程。海量物联与机器视觉到2023 年，广域物联网设备预计将达到41 亿个，短程物联网设备将达到157 亿个，物联网的应用和市场空间将远超传统人与人的互联。5G 所具备的海量物联通信（mMTC）特性将为物联网络提供坚实的基础。物联网应用可以分为宽带物联和窄带物联两大范畴：宽带物联使得以视频为主的机器视觉业务范围进一步扩大，超越空间的限制，获取更加丰富的内容；窄带物联为低功耗、高密度传感器的数据回传提供通道。5G 海量物联特性使业务平台获取更详实的环境、身份、工况信息。物联信息汇聚到机器视觉云端决策中心，可以极大拓展机器视觉业务场景，不仅仅用于以人为主的监控场景，还可以用于人、物、环境的协同控制与处理。决策中心通过更广泛、更多维度的参考数据，能够更全面地进行分析判断，做出更有效的决策行为。网络切片与机器视觉5G 端到端网络切片可以实现网络资源灵活分配、网络能力按需组合，基于一个网络虚拟出多个具备不同特性的逻辑子网。每个端到端切片均由核心网、无线网、传输网子切片组合而成，并通过端到端切片管理系统进行统一管理。5G 网络切片可以为不同租户提供差异化SLA，提供具有独立生命周期的虚拟网络。“千行百业”的各类业务，对网络SLA 服务水平协议的需求各有千秋。例如，工业巡检不仅仅需要大带宽视频回传，还需要具备保密特性； AR/VR 安防不仅仅需要低时延防眩晕，还要求数据不丢包、视频连续不丢帧；机器视觉不仅仅要求大上行带宽实现超高分辨率和帧率，还要求低时延反向控制。网络切片可以实现各类业务端到端的服务质量（QoS）保障，实现从终端设备到5G 无线网络，再到核心网、承载网、云平台端到端的服务质量差异化保障。边缘计算MEC 与机器视觉在大型工业和产业园区，5G 将替代传统Wifi 和有线连接，为生产、生活提供连接服务。为了实现园区通信的实时性和数据安全性，5G+ 边缘计算的“虚拟园区专网”部署模式将被广泛采纳。5G 园区专网中，通过无线方式获取的业务数据将在园区专属的核心网边缘云（MEC）中处理，数据将不会在公网中传输，从而确保5G 业务数据的端到端隔离和安全性。由于MEC 已经部署在企业园区附近，从园区基站到专属核心网的物理传输距离被大大缩短，可以将传统组网模式下几十甚至几百毫秒的业务时延降低到毫秒量级。对于工业生产环境中的安防和视觉系统，5G 园区专网将大大提高视频业务的安全性和实时性，适配更丰富的业务场景。云网协同与机器视觉随着云计算的普及，各类业务平台的云化趋势越来越明显，越来越多的功能组件和接口将部署在边缘云和中心云内。平台云化不仅可以优化业务部署的效率和成本，还可以丰富生态，实现机器视觉业务功能与不同业务场景的快速适配和应用。业务平台开放、云化还将催生算法市场、应用市场等新的商业形态，使视频业务应用更广泛、更活跃。除云资源池以外，机器视觉业务端到端解决方案还包含5G、运营商专线等要素。随着“云网协同”技术架构的部署，可以快速打通5G CPE、入云专线、边缘云、中心云之间的业务链条，实现业务快速开通和动态调整，满足机器视觉业务的多样化需求。更安全的5G 网络为了适配垂直行业的各种场景，5G 网络不仅提供基本通信功能，还需要考虑全面、差异化的安全服务。5G 网络安全在架构上包括：1.保障通信及数据安全 ： 提供机密性及完整性保护，保障语音及数据的通信安全；提供增强的隐私保护机制，保护用户隐私信息。2.支持异构接入安全 ：提供统一认证框架，支持多种接入方式和接入凭证，保证终端设备安全接入网络。3.保障新型网络架构安全：提供SDN/NFV 安全机制，保障虚拟资源、软件资源、数据、管理及控制数据的安全；提供网络切片安全机制，切片安全隔离、安全管理。4.支持差异化安全：提供按需的安全保护，满足多种应用场景的差异化安全需求。5.开放安全能力：支持数字身份管理、认证能力等的安全能力开放。除了安全架构方面的考虑，5G 网络还建立了业务层面端到端的安全体系，包括安全管理体系、安全技术体系、安全合规体系以及安全运营体系，全方位提升网络安全防护能力。当"5G”遇上”机器视觉“，会发生怎样滴化学反应？5G时代机器视觉十大应用场景     5G 网络的大带宽、高可靠低时延、海量物联的能力融合人工智能、云计算、大数据和边缘计算等各类技术，可以将应用场景从政府、环保、安监、公安、综合治理扩展到港口、矿山、电力、工业等千行百业。5G网络物理上是一张网，但逻辑上通过网络切片，可以为不同行业提供差异化的服务。5G 机器视觉网络解决方案由感知层、网络层、平台层、应用层四部分构成。感知层：原有视频监控设备全面升级至全景、4K 及以上清晰度，通过海量的物联网终端接入提供多维度的信息采集，5G 网络加速无人机和机器人的商用普及，协助机器视觉实现立体化的视频监控和信息监测，各类边缘计算能力也被部署至感知层。网络层：依托5G 大带宽、高可靠低时延、海量连接的网络接入和承载，同时 5G 网络切片，可为客户建立专用可靠的虚拟通道，保障客户视频大数据传输的安全及效率。平台层 ： 统一平台、云端部署、数据融通。云端实现大数据的深度处理和深度分析，为各政府各管理部门、各行各业提供内部数据共享并支撑决策。应用层：依托统一的云端大数据，应用将更丰富、更智能化。5G智能安防网络组网图根据对5G 通信网络的需求，安防行业应用场景可以分为大带宽类、高可靠低时延类、海量连接类。结合以上几类场景，以及当前5G 落地的商业场景，我们认为5G 机器视觉将在如下十大场景加速落地。01. 智慧要事安保：立体防控、要事安保02. 智慧城市综治：市容环境整治、隐患检测、施工场地监控03. 智慧港口：龙门吊，集卡远程操控、港口监控04. 智慧矿区：挖掘机，矿卡远程操控05. 智慧出行：智慧公交、智慧机场、路害监控06. 智慧环保：蓝天卫士、环保监测07. 智慧消防：视频巡检、告警联动、移动指挥08. 智慧制造：远程监控、AOI 检测、AGV 物流、巡检辅助09. 智慧配电房：配电房管理10. 智慧物流：车辆运输监控智慧要事要安保中共中央办公厅、国务院办公厅印发《关于推进城市安全发展的意见》指出，“健全公共安全体系，打造共建、共治、共享的城市安全社会治理格局，促进建立以安全生产为基础的综合性、全方位、系统化的城市安全发展体系，全面提高城市安全保障水平”，引导城市安全保障向立体防护、数据融合、智能化方向发展。在重大事件的安保场景，因为涉及到要员的行动保护，仅仅依靠固定点位的摄像机无法满足要求。一方面，已有的监控摄像机安装密度有限，在部分区域可能没有覆盖，无法做到“监控无死角”；另一方面，由于存在突发性和不确定性，需要借助无人机、移动视频终端等综合手段进行沿途视频采集，实时回传给指挥中心，以提高指挥中心对现场的实时感知和指挥能力。1. 上帝视角，VIP 行程全程可见针对预设的关键路线，沿途部署5G 移动摄像机，与固定摄像机、无人机一起组成立体的视频监控网络。车队在出发前向指挥中心报告，按照指挥中心要求接入视频，并与流动的车载监控实时联动，平台基于地图全程显示车辆位置及沿途的多维视频，形成“上帝视角”。2. 动态布控，提升安全保障级别针对场馆的周边，通过临时布置5G 移动摄像机，实施动态人像布控，针对嫌疑人员进行现场拦截，提升场馆的安全保障等级。智慧城市综治城市是一个复杂的综合体，它承载着居民对于美好生活的向往。人口不断涌入，城市也在不停的建设，城市变的越来越复杂，随之而来的是不断增长的安全隐患和环境的恶化。5G和人工智能的出现，让城市的安防治理更加智能化，效率更高，让生活更美好。场景一：隐患监测城市是一个复杂的综合体，各种设施的问题都可能造成安全隐患，比如井盖丢失、水管破裂、渣土倾倒、垃圾桶不明物体等。传统的管理主要依靠网格员巡检、群众举报，效率低，隐患大。5G网络支持海量物联，通过海量传感器将城市的各个设施连接起来，采集多维数据，全域覆盖的前端摄像机可以作为IoT的Hub，结合自身的高清视频图像进行交互，进行边缘智能计算，同时摄像机集成5G通信模块，可以将数据实时回传到城市治理管理平台，支持城市隐患的高效治理。场景二：施工场地视频监控城市的建设与发展离不开建筑行业的推动，而建筑行业是事故多发的行业，为保障建筑工地人员及财产的安全，国家有关部门规定，在工地项目建设中必须要安装工地监控系统。当前施工场地视频监控主要是态势监控，通过人工进行安全作业及安防防范的监控，监控视频录像主要作为突发事件事后取证使用。人工智能的快速发展，支持算法对工地的多个场景进行智能分析，替代人工，如安全帽识别、非法入侵检测等。高清视频还可以提供现场施工质量的更多细节，结合算法进行施工问题识别等。对于施工工期较短的场地，未来可以使用5G移动无线视频监控解决方案，降低成本，提升效率。智慧港口传统港口环境下，龙门吊、集卡（集装箱卡车）、视频监控等关键业务系统传统上采用光纤、工业WiFi等通信手段，存在建设和运维成本高、部署不灵活、稳定性与可靠性不高等痛点。场景一：龙门吊机远程操控传统港口的龙门吊机主要靠人工进行操控，工作辛苦、效率较低，并且近年来司机老龄化严重，人员短缺。对于实现龙门吊远程操控需求迫切，远程操控对于网络要求高，网络时延要求是毫秒级（30毫秒），当前龙门吊通过光纤通讯，需部署光纤转盘，长期操控易出现故障，每个龙门吊的光电缆部署需要200万元以上，且每两年需要更换，多台同时操作时光纤拖地易缠绕。如果采用Wifi方式只适用于单机远程操作，且传输距离比较受限；采用波导电缆、波导管方式带宽受限，带宽一般只有100M左右，最新一代也不过在200M左右。前端在每个龙门吊安装4个实时回传高清摄像机，通过5G 网络回传到中控室。5G无线网络解决了光纤缠绕的问题，可以同时操作多台龙门吊并行工作，有效降低设备购置率，同时降低了线缆更换的维护成本；大带宽的能力保证多龙门吊的并发高清视频上行需求；低时延有效保证远程控制的精度。场景二：集卡监控和远程遥控驾驶码头内集卡主要有AGV和跨运车两种，主要负责码头前沿到堆场的运输。AGV可靠性高，依靠磁钉运行，对于磁钉的安装环境要求高，且扩展难度大；跨运车与龙门吊相似，如果要实现远程操控，也受限于传统的网络的高时延。港口环境复杂，没有红绿灯，堆场情况变化快，需要有摄像机和多种传感器对于周边环境进行感知，人与车、车与车、车与物之间的实时交互，实时决策，保障远程操控的半自动化，自动化。在车载端，AGV车身前部和后部各安装3个5G高清摄像机，采集360度环视视频，通过5G网络与自动驾驶车辆底盘线控设备以及视频采集设备进行数据交互,实现对智能车的实时监测和管控。在监控中心发现自动驾驶车辆有异常时，可人工接管车辆，通过远程驾驶将车辆行驶至安全地带。场景三：港口高清监控港口环境复杂，由于码头没有红绿灯，而码头的人员较杂乱且数量多，人身安全问题经常会受到侵害，需要对于人员周界入侵进行检测，保证设备安全，同时也保证人员的安全；港口的车辆主要有内集卡和外集卡，为保障安全，需要对车辆进行比对、跟踪定位、排队长度检测等，传统的RFID技术精度较低，对于外来车辆无法进行管控。堆场是港口的主要场所，每天入离港的集装箱变化较快，需要对货箱密度进行实时的监控，对危化物品进行识别分类管理，同时也要对于堆场的隐患如火灾等进行预警预防。根据不同场景部署具备不同智能算法的摄像机，并通过5G 网络实时回传到中控室。利用华为SDC 强大的算力，可以实现智能算法前端实现分析，实时进行布控；同时华为SDC 具备算法远程加载，单台摄像机可以加载不同算法实现不同的功能，专用秒变通用。智慧矿区矿山按照开采方式的不同分为两种，主要有地下开采和露天开采。安全、效率是矿山挖掘的第一要务。传统矿山在安全方面存在诸多问题，露天矿山2001年以来，8912起事故，死亡10495人；2011年后事故死亡人数仍在200人每年。如何保障安全生产，同时又能提升生产效率，通过远程操控实现无人化是解决之道。矿山地理位置偏僻，需要不断爆破开采，地形变化快，大部分工程机械设备处于移动状态，机械只能使用移动终端，所以有线网络无法满足使用需求。大部分设备价值高，远程操控需要有大量的实时高清视频，所以对于上行带宽以及传输的时延要求都比较高。传统的WiFi传输距离短，性能不稳定；4G网络的带宽和时延也无法满足需求。5G网络的出现，可以有效解决矿山对于实时操控的要求。基站建设方面由于露天矿山中间位置通常是最深的，不适合架设5G基站，所以基站需要选择矿山周围进行建设，并且满足中心的覆盖。挖掘机配置3个高清5G摄像机（挖掘机小臂，驾驶舱上方，立杆上看全景）；无人矿卡配置GPS进行定位，同时利用毫米波雷达、车头摄像机、车尾摄像级组合完成路面感知及故障识别；所有数据通过5G网络回传至远程操控室，实现远程对于挖掘机及无人矿卡的整体运行情况监控，并可人工启、停调度。智慧出行场景一：智慧公交2018 年交通部5 号令要求”两客一危”部署实时车载监控设备预防司机疲劳驾驶和突发公共安全事件。目前车载视频监控主要采用3G/4G 网络进行实时回传，由于上行带宽受限、覆盖、时延等原因，视频监控画面质量差、不时有卡顿及马赛克( 高峰期)，无法达到实时监控及及时发现高危人员的效果，存在一定的安全隐患。场景二：智慧机场随着经济的发展，飞机成为人们出行的主流方式，飞行提升了出行效率，但机场的重重安检却又降低了出行效率，值机、托运、预安检、安检、登机等繁琐流程，重复验证降低了出行的体验。另一方面机场当前在管理上也多依靠人工巡检、人工视频监控，效率低，隐患大。5G 及人工智能技术的发展，让数据在各个系统中统一，通过一张脸即可通关8 场景，除了上述的场景可以实现自助验证通关，大大提升效率外，还可以在登机路线规划、晚到旅客精准定位、VIP 客户精准服务等环节提升出行体验；接机时可以通过客人信息实现到港位置提醒，无需看屏找人。超高清摄像机以及无人机等新的手段，可以实现机场的无死角覆盖，结合人工智能的算法，可以自动识别机场风险，诸如周界入侵检测、航班降落跟踪、航班停机路线规划等更多智能应用，在降低风险的前提下提升管理效率。5G 和AI 技术的发展，可以通过前端高清视频监控获取高质量路面画面，通过算法对路害进行实时分析，并根据路桥严重程度行程高中低三类优先级工单，针对高优先级的工单，可以及时通过5G 网络将高清视频画面回传，支撑监控中心对路害进行分析并制定相应解决方案；中低级的路害工单则派发至对应管理所进行统筹管理。智慧环保智慧环保是利用物联网、云计算和5G通信技术，建设覆盖全面、规划统一的在线监测监控系统，实现环保事件及时预警，提高特大环境事故的应对与处置能力。以数据为核心，把数据获取、传输、处理、分析、决策服务，形成一体化的创新、智慧模式，让环境管理、环境监测、环境应急、环境执法和科学决策更加有效、准确，为环境管理和环境保护提供全方位的智慧管理与服务支持。场景一：蓝天卫士我国现有15亿亩耕地，农作物秸秆年产出量达6亿吨之多，而每年其中80%约5亿吨秸秆都被焚烧。政府多次强调禁止秸秆焚烧，甚至纳入各市及省直管县的年度环保目标考核体系。由于秸秆焚烧的点多面广，管理人手有限，目视区域有限，树木遮挡，轮班值守，筋疲力尽，最终效果低下，收效甚微。禁烧工作存在季节性，主要集中在5、6、9、10月份，其他月份火点无规律零星出现，人员全年长期值守代价过高，但是不值守存在失察风险。视频监控点位分布广、跨多个地市。有线部署慢，4G网络带宽不稳定。蓝天卫士利用铁塔基站资源，通过在铁塔顶端架设高清球机，借助5G网络大带宽、易部署等特性，传输1080P/4K高清视频，结合视频智能分析系统，实时分析秸秆燃烧可疑事件，并对值守人员进行火情告警推送。实现对农村大范围区域内的7*24小时不间断秸秆禁烧监管，为基层政府部门提供有效监控手段。场景二：多维环保监测传统环保监测手段，人力资源成本大，快速响应相对困难，采样点缺乏控制，存在漏看、漏报等问题。中国移动打造 5G 多维环保监测应用，通过在排水口、河道、森林等关键位置安装 4K/8K 高清摄像机及各类环境检测传感器，结合无人机进行自动巡查，实现对空气污染、土壤污染、黑臭水体等的实时监测。5G边缘计算就近处理分析实时视频及各类数据信息，对私自偷排，异常漂浮物等情况自动识别预警，汇总输出可视化分析结果，协助各级环保管理部门实现全方位高效多维环保监测。智慧消防城市防火监督工作“点多面广”。随着城市化进程加快，重点单位和火灾隐患数量不断增加，消防通道违法占用现象层出不穷；消防隐患排查依赖现场督察，城市消防监督员人少事多，防火监督工作超负荷；消防设施检测以人工现场巡检为主，效率低下。城市防火工作需要解决“汗水消防”的问题。基于5G+物联网+视频监控技术，可以实现视频巡检、告警联动和视频指挥，满足对消防设备远程巡检、火灾隐患及时报警、火场情况实时掌握的要求。1. 视频巡检，提高防火监督效率利用5G摄像机，对社区重要的消防设施和消防通道进行监控，通过监控中心实时视频监看进行远程网络巡检，及时发现消防隐患，生成巡检报告；还可以对失效和违规进行智能识别、主动告警，生成工单，推动维修和整改。这种基于视频的定期巡检方式相比传统的社区网格员实地巡检，极大地提高了巡检效率和巡检的实时性，能够真正做到“防患于未然”。2. 移动视频指挥，实现抵近指挥、专业指导利用5G网络，通过一线消防人员的头戴式AR眼镜，将火情现场视频接入消防指挥中心。指挥中心的和专家和领导，进行视频会商，实时指导一线消防人员对被困人员、危化品进行及时、专业的处置。智慧制造我国高度重视5G 与工业互联网融合发展。2017 年11 月，国务院印发《关于深化“互联网+ 先进制造业”发展工业互联网的指导意见》中，明确将5G 列为工业互联网网络基础设施，并提出开展5G 面向工业互联网应用的网络技术试验，协同推进5G 在工业企业的应用部署。5G 和AI 是工业互联网的关键助推技术，同时也将加快机器人在工业领域的快速成熟商用。5G+AI 的工业应用主要聚焦在智能辅助功能上，比如基于5G 的远程监控、AOI 检测、AGV 物流、巡检辅助等场景。场景一：远程监控重工业工厂，如飞机、钢铁、重型机械等，生产环境非常复杂，移动设备多，数据回传设备线路铺设难度大、成本高。而这些场景对于监控视频的质量要求比较高，所以对于上行带宽的要求也比较高。未来监控机器人可以通过自身搭载的摄像机，结合5G 网络生产视频监控数据和设备运行状态数据实现高速、低时延的回传，代替传统的安保人员。场景二：AGV 物流AGV（ Automated Guided Vehicle）作为物流机器人的一种，通过机器视觉来判断行进路线、摆放位置、周围环境等信息，是实现无人仓储的主流方案。但单机智能实现视觉导航的AGV 成本高，而其他方式的AGV 对环境的要求高。目前组网多采用Wifi，信号容易被干扰，且带宽不足以支持视觉导航。而激光导航AGV 在高密度运行时则会互相干扰。5G 技术应用于AGV，解决了时延、覆盖、带宽等诸多问题，可以有效提升仓库的整体运营效率和稳定性。智慧配电房智能电网领域是《国务院关于加快培育和发展战略性新兴产业的决定》中规定的新一代信息技术产业中“重要基础设施智能化改造”的组成部分，也是国民经济实现快速健康发展的重点建设领域。配电房是电网的末端环节，其管理水平的高低直接影响供电能力与供电质量。目前配电房多为无人值守，缺少智能监控及分析手段，不支持预测性维护，智能定期人工现场巡检，耗费大。配电房重要程度高，但地处偏远，一旦故障，影响大，恢复慢。基于5G技术的机器视觉智能配电房改造方案，使得智能摄像机通过算法可以实现智能读表，及时识别运行异常的设备。智能化改造后，配电房人工巡检时间减少50%以上，并且大大减少了应急维护次数，提升了供电质量。智慧物流随着计算机与通信技术的高速发展，物流行业也随之发生了天翻地覆的变化，大量前沿技术得以广泛运用，极大提高了物流的效率和安全质量。同时，随着5G移动网络不断成熟和全面商用，人工智能、大数据、云计算、物联网、AR/VR等关键技术与物流全流程深度融合，将在现代物流行业的仓储、运输、配送等多个领域内得到广泛应用，以“5G＋AI+物流”的新模式，全面促进传统物流向智慧物流转型。随着5G网络时代的到来，使得车载监控系统从标清化向高清化、联网化、智能化的方向发展成为可能。借助5G网络的大带宽、高可靠、低时延特性，可以满足高帧率、高质量的视频数据实时传输需求，把视频回传到后台进行云化存储，保障数据不丢失，大幅提高数据存储可靠性；同时高清视频传输也为后续开展智能化应用提供数据基础，结合后端AI能力，对司机危险驾驶行为进行智能识别及预警，实现对运输车辆的实时监测和精细化管理。5G机器视觉展望5G 机器视觉将加速安防体系的重构。5G 解放了时空，将机器视觉空间从人力可及场所延伸至人力不可及场所，例如5G 排爆机器人的应用。将机器视觉时间从目标查验现场提前至目标达现场前提前布控，例如放飞5G 无人机做前置布控的应用。伴随着5G、感知控制技术、视频渲染技术、智能设施装备的成熟和应用，将使机器视觉的业务形式更加的自由，既能从物理世界投射到数字世界，也能把数字世界叠加渲染进物理世界，形成虚实协同的安防数字孪生。重构全天候、全时空、全要素、全融合为特征的机器视觉新体系。

——————————————【微话题活动】———————————————今天我们邀请到华为机器视觉专家-Xiaolong Chen和大家讨论一下：【谈谈你对华为好望商城的看法。】2019年安博会上，华为机器视觉发布了好望商城HoloSens Store,让使用者从‘想法’到‘算法’不再遥不可及;让开发者从‘算法’到‘应用’不再是空中楼阁。华为机器视觉将持续战略投入,与合作伙伴一起不断成长,使能行业,共建百花齐放的机器视觉繁荣生态。目前华为好望商城已经上线72个算法，好望商城地址：https://marketplace.huaweicloud.com/markets/holosensstore/index.html活动时间2020年9月23日-2020年10月8日参与方式直接在本帖回复关于以下问题的理解或评论：1、现有商城使用感受如何？是你想要的交易模式吗？2、你希望商城再做哪些突破，可以吸引更多的厂家入驻、更多的客户线上购买？本期奖品A.回帖参与本次讨论，回复与话题相关的原创内容，即可获得三合一数据线1个（数量有限，先到先得)。B.华为机器视觉专家-Xiaolong Chen评选出3名优质评论奖，各送出新款华为云定制双肩包1个。（两样奖品不可同时获得，奖品于活动结束发放) 评奖标准回复话题数量和内容质量                                                                                                                        优质评论奖3名                                 参与奖

19

转载自：华为云DevCloud 微信公众号原文链接：https://mp.weixin.qq.com/s/rho4moNg7xQJ2znHIQ_6rg深色模式（Dark Mode），俗称暗黑模式。是近2年以来用户呼声最高的功能之一，苹果和谷歌都将深色主题作为UI的重要组成部分。谷歌的产品绝大部分都提供了深色模式，苹果甚至让生态中的APP都提供深色模式。而微信在今年也借机提供了深色模式。可见，暗黑模式已经深入人心。                 手机暗黑界面深色模式降低了视觉的亮度，在黑暗环境中提供了安全性，并且可以最大程度减少眼睛疲劳。据统计，有超过70%的软件工程师在Dark Theme IDE上进行编码，如果您查看流行的编码环境主题下载，你会发现十大主题总是暗黑的。广大开发者对深色模式有一种发自内心的热衷和痴迷。而某些流行的IDE工具更是将暗黑色系作为默认色系，例如开发工具VsCode和Sublime。开发者热衷深色模式，除了上面的原因之外，可能还因为深色模式能够带来神秘感和科技感。 深色模式的特点华为云DevCloud产品主要用户还是面对开发者。开发者通过产品端到端参与研发流程，提升研发效率。我们看看深色模式给用户带来哪些特点呢？久用舒适华为云DevCloud可能是研发团队使用时间比较长的产品。其中某些工具可能需要沉浸式使用，这么长时间的使用，势必会让用户眼睛产品视觉疲劳，从而对工作有抵触感，这也正是设计团队考虑深色系模式的原因之一。深色模式可能是减轻团队长时间工作导致焦虑的一种方式。柔和的暗光让你的眼睛避免强光刺激，从背景填充到文字图标色，从点击到hover、以及微动效过度，都是基于大量的视觉研究以及对比度的色阶调试，只为带给你更舒适的沉浸工作体验。浅色模式更易用华为云DevCloud的深色模式，底层源自于规模化微服务场景下对产品一致性和易用性的考量。我们分成2块来讲：1、规模化微服务产品体验实践；2、体验模型以及度量方式。l  呈现在用户面前的DevCloud平台是一个完整的工具链平台，其背后是由几十个微服务团队协作开发而成。每一个微服务就是一个小微型团队，团队按照各自产品的目标和竞争力演进，难免在视觉交互体验上有偏差，我们称之为规模化微服务产品体验问题。而这样的问题是令人头疼的。为此，部门中的DevUI团队也是经过很长时间的摸索，从规范，组件，场景等等方式进行解决。其中深色模式，是一种有效的方式。l  DevUI对所有DevCloud产品的颜色已经意义化的命名，让各微服务前端团队以及设计团队使用这种有意义的变量，保持视觉交互的一致，如果某一个团队采用其他颜色进行页面开发，那也是无法通过工具的检测而无法上线。从而保证了产品一致性。不符合规范的显示符合规范的显示对于华为云DevCloud产品体验提升，团队孜孜以求。虽然业界已有大量相关体验理论，但还是要结合本身产品特性和研发模式寻找合适的定义。华为云DevCloud是B端研发类的工具产品，其背后是大规模的微服务化交付，基于这些特点，团队抽象出体验模型：稳定性、参与度、认知匹配、任务效率、愉悦感，然后用这个模型去检验产品体验好与不好，最终也是用数据去回答和驱动产品体验。深色模式带来的是视觉体验一致，于用户而言，产品体验更加流畅，并且间接提升任务效率。 提升研发效率在去年的 WWDC 大会上，苹果人机交互团队的设计师 Raymond Sepulveda 曾对 macOS 的「深色模式」使用场景做了进一步的解释。他指出，只有阅读浏览或是内容创作型app 才需要长期启用黑暗模式，比如文字或代码编辑。它们会借助黑底白字的高对比度特性来让用户视线保持集中，其它大部分软件对于黑暗模式的需求反而并不强烈。面向开发者华为云DevCloud产品则天然具备这些场景。比如代码托管服务中的代码合并请求功能，当开发者提交代码需要评审的时候，评审的人需要盯着代码长时间审视代码，浅色模式容易让眼睛疲劳。另外DevCloud深色模式与IDE的深色模式保持工具切换的一致性，视觉体验更加流畅自然。Wiki编辑场景看板交付场景最终，无论是浅色模式还是暗黑模式，DevCloud在细节上都尽量考虑B端产品极简特质，设身处地考虑开发者喜好，细节处提升工具的视觉体验。 改善视力不佳或者色弱的可视性我们面对的用户群体中有一部分是色弱用户，深色模式的高对比度对于这部分用户是比较友好的。持续不断演进深色模式不仅仅是简单的黑白，是有很多东西需要思考的。比如：1.确保内容在深色模式下清晰刻度，背景色和文本对比度对少才比较合适，谷歌Material Design建议至少用15.8:1的对比度。2.字体的粗细、透明度在浅色、深色背景下都会有所不同。3.web产品的层次是通过阴影来表达的，而阴影在深色背景和浅色背景也是不一样的。欢迎扫码关注墙裂欢迎大家使用→立即体验或者拍砖or回帖加入讨论，用户的良好体验是我们不断改进的动力！