“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字( 二 ) 1

　　而这一领域的主要进展包括三个方面：一是针对训练数据不足的情况下，学术界在Benchmark标准数据集有哪些努力。他介绍了现有常用Re-ID数据集，和分别基于图像、视频的标准数据集的表现提升情况，并指出基于图像的再识别增长得很快，现在大家的兴趣从图像更多的转到视频上。

　　第二点则针对特征表示和数据增强，提出了各自的应对方法，其中包括对全域特征和局部特征的全景和背景的解决方案，以及在姿态大幅变化、没有对齐情况下如何进行特征提取。

　　三是在数据化学习上的进展，主要是克服数据集和数据集之间由于不同的光照情况、不同的分辨率、不同的位置、不同的季节、不同季节等等造成的差异。

　　最后，田奇还指出，目前行人再识别的研究新方向仍然与数据集、方法有关，例如数据采集时考虑多方因素和信息融合，进行空间和时间关联关系的学习等。

　　《AI构建数字世界的基础》

----“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字长文回顾//----

　　大华股份研发中心副总裁、先进技术研究院院长殷俊

　　随后大华股份研发中心副总裁、先进技术研究院院长殷俊以《AI构建数字世界的基础》为主题发表精彩演讲。

　　在殷俊看来，数据世界是四维的：通过感知获得一维数据，来观测真实世界;第二维，通过人工智能对感知数据进行特征提取，真实地反映世界;第三维，随着空间数据的融合，构建空间矩阵，构建与真实场景业务有匹配的数据场景化;第四维，则是全面计算的过程，通过时空数据的维度来构建时空矩阵，充分描述和表达真实世界。

　　他表示，在二维世界里面，人脸、语音识别或者很多检测识别真正构筑了二维特征数据的空间，数据的准确率是最高要求。因为只有构建精准的二维数据世界，才能准确表达世界上的万世万物。对行人的特征描述，则是典型的应用三维数据来形成更精准的定位。四维空间内，系统可以加入时域的分析，做更多预测、决策和评估的工作。

　　算力方面，殷俊认为，数据在不断升迁，算力增加是必然的，往后更需要大算力芯片。而大算力的芯片除了感知之外，还可以在边缘侧提取特征和空间分析;到了中心侧，能够完成二维、三维、四维数据的分析。

　　同时他也强调，尽管随着数据迁移，数据大幅度浓缩，从单点来看要求下降，但四维数据要求的路数和要获得的感知数据更多，网络成本反而增加。到越高维，网络代价越高。所以，需要根据业务综合部署，考量网络和计算的分布，看到底如何形成最佳的计算网络。

　　《基于FPGA定制计算构建AI系统》