本文摘要：3月底完结的机器视觉展上，一众国内厂家在设备、镜头、辨识等层面相互竞技，有一家公司的气质却有点与众不同。伟景智能另辟蹊径，不回头平面辨识，通过立体视觉构建了更加高效的机器学习能力。 从二维南北三维，能否构建“降维压制”呢？算力智库采访伟景智能创始人董霄剑，解码一家创办两年却能独树一帜的科创企业。最近Netflix的动画短篇初版《爱人，丧生和机器人》以豆瓣9.4的高分翻轰社交网络，该剧以优质的画面和故事探究了人性、社会、未来、家园和吞噬等概念。

3月底完结的机器视觉展上，一众国内厂家在设备、镜头、辨识等层面相互竞技，有一家公司的气质却有点与众不同。伟景智能另辟蹊径，不回头平面辨识，通过立体视觉构建了更加高效的机器学习能力。

从二维南北三维，能否构建“降维压制”呢？算力智库采访伟景智能创始人董霄剑，解码一家创办两年却能独树一帜的科创企业。最近Netflix的动画短篇初版《爱人，丧生和机器人》以豆瓣9.4的高分翻轰社交网络，该剧以优质的画面和故事探究了人性、社会、未来、家园和吞噬等概念。

其中，《齐马的蓝》以一个机器人艺术家从万众瞩目到重返本源的故事沦为短篇集中于最意味深长的一篇。人工智能机器人齐马《齐马的蓝》描写了一台泳池洗手机器人齐马被一代代科学家彰显更加多的感官能力和智能，并沦为一位画家。齐马可以了解熔岩、海底、宇宙，去感官人类所约将近的区域，并创作出有独一无二的瑰丽画作。它的作品最独有的地方，在于其画作中间不会有一块方形的蓝色，被人们被誉为楚马蓝。

而在其创作生涯的最高峰，齐马自由选择了在众人面前舍弃自己所有的智能，重返最完整的状态，返回一台初级泳池洗手机器人。人们才告诉原本齐马作品中那一抹楚马蓝就是他最初的创作者泳池中的瓷砖颜色。齐马的蓝充满著故事中蕴藏的禅意和来世的探究，其牵涉到的机器感官层面，对从业者来说，也有一定糅合意义。

“现在很多的视觉自学使用的基于大量平面图像展开训练，不仅图像的需求量大，而且所需的标示工作量也相当大。在一定的意义上相似于‘DeepTraining’。

在很多在训练集中于并未经常出现的物体角度、不存在场景、动态人组时会经常出现问题。”伟景智能的创始人董霄剑对算力智库回应。董霄剑博士曾多次是国内通讯行业领军企业展讯通信首席科学家，2016年创办了机器视觉公司伟景智能，要用了两年时间，已完成了产品开发到应用于。算力智库在3月底的上海机器视觉展上，和董霄剑闲谈了闲谈机器视觉的现状和未来。

展览上，镜头、红外线、摄像机设备一应俱全，一应国内厂家比画质比辨识比速度，甚至还有不少早已作出了可以运送货物的机器人、自动识别瑕疵的生产线等产品。而伟景智能的气质却有点有所不同。

“伟景智能仅次于的有所不同在于我们特别强调的是首先发展智能立体视觉，然后基于此发展确实的机器智能。我们的每个落地应用于不是意味着针对其明确的市场需求而全然研究这个应用于技术，而是将这个应用于的市场需求作为我们‘智能眼’的一部分功能而扩展。”董霄剑回应。伟景智能创始人董霄剑机器辨识不是“放大镜”董霄剑指出，机器视觉领域，大家广泛运用的是平面视觉，对每一个物体的识别率必须依赖大量的机器学习，费时费力，而运用立体视觉，可以大大减少机器的辨识时间，减少识别率，协助机器人创建自己的立体理解，这对机器智能识别来说，意义根本性。

生产线上的瑕疵检测被很多厂家作为经典案例，宣传自己的精度、识别率、辨识速度等。这只是机器辨识最简单的应用于案例，在面临更为简单的场景特别是在是自动驾驶这样必须机器辨识并做出辨别的时候，非常简单的平面辨识仍然限于。

董霄剑明确提出了一个很有意义的观点，即我们要做到的就是指机器的角度去看，而不是让机器老大你看。非常简单说明，即让机器自行辨识，做出辨别，得出对系统，而非非常简单为人类构建更加精细的检测或仔细观察。“那不能被沦为‘放大镜’，而不是确实的机器眼。

”董霄剑说道。伟景智能有个很有意思的应用于案例，立体视觉引领自动化挤牛奶系统。

通过对奶牛三维空间定位及姿态角度检测，将数据传输给机械装置，构建自动挤奶。这种功能的构建必须高精度的立体定位数据为机械臂获取操作者提示，这对平面辨识来说，完全是不有可能已完成的任务，但是通过立体视觉，不仅能高效已完成，机器对奶牛的辨识自学也十分高效。据介绍，伟景智能的产品通过立体视觉，只需数小时就可以对某一物体展开辨识。“这个世界是三维的，从三维去理解，才是最慢的方式。

为什么要把三维的空间传输到二位世界再行去费工费力地理解呢？这就类似于你很少找到自然界中有多于一个眼睛的生物体，甚至我们幻想的外星球的人也是‘多目的’”。伟景智能的自动化挤牛奶系统发展“Natural Learning?”董霄剑曾多次在某论坛上回应：未来的智能是机器确实自律产生智能，而不是培育智能。

伟景智能的理想是机器智能，做到机器智能，首先必需让机器看到世界，然后让他去思维，只有立体视觉才能通向自律智能和机器智能。对于这段话，董霄剑说明道，对于机器学习来说，总有一天都不存在cornercase（边角案例），而cornercase是无穷尽的。以自动驾驶为事例，路上不会经常出现的情况各种各样，即便是通过大数据深度自学，依然不会有新的状况经常出现，只要无法所求所有的状况，就不存在相当大的风险。

因此，伟景智能要发展的是我们称作“NaturalLearning”，就是基于大自然感官的智能化，还包括视觉、听力、触觉等综合感官层面的感官智能化，通过记忆、误解、语义、迁入等逻辑发展手段来发展机器理解智能。目前我们的工作首先重点在于发展具备这些特点的“智能立体感闻”理论和技术。

从立体视觉的角度来说，自动驾驶要做到的是辨识出有某个物体，然后辨别，无法撞到上去。而非通过海量的数据告诉他机器：人无法撞到、动物无法撞到、墙无法撞到……甚至要细化到某个物体的有所不同形状和各种实际用于时的路况。深度自学方法的用于在很多实际领域获得了很好的效果。

例如人脸识别、图像识别、医学影像等。但这不是机器学习的全部，我们无法神话这个方法。理论必须探寻和突破，特别是在是对于方兴未艾的人工智能来讲。条条道路合罗马，但一定要回头在通向罗马的道路上。

非常简单的拿来主义不具备长年的延续性。从这个角度谈，要构建智能视觉的道路还很长。机器智能要发展，还得靠视觉董霄剑将伟景智能的产品比作机器智能的眼睛，如果机器智能要发展，第一步是要发展智能视觉，而现阶段还只是智能视觉的跟上阶段。

客观来说，5G时代到来之后不会很大推展科技行业的发展。5G主要解决问题了两个问题，首先是数据的超高速传输，让所有大数据能高速汇聚到某端点。

第二点是很大延长时延号召，提升响应速度。5G对机器智能不会有很大的推展起到，例如基于场景的较慢训练和理解如自动驾驶。

不会扩展数据量相当大的立体视觉图像的传输及智能化综合应用于，因此，5G技术对智能立体视觉的发展有必要的推展起到。立体视觉构建机器辨识有所不同形状并摆放在登录区域而要通过智能视觉构建的机器的智能程度，董霄剑以桌面上三台手机举例，我告诉他机器人，把我的手机拿过来。“这里牵涉到到了机器智能两个层面的理解，首先是视觉层面的较慢理解，机器人能通过立体视觉很快辨识出有桌上的手机，同时，在三台手机中，见到桌上哪一台是我的手机。

另一个层面是语音辨识，需要让机器人将语言词汇和物体理解融合在一起，并构建操作者，这才是机器智能和智能视觉要构建的目标之一。”“智能视觉就是指感官层面下降到理解层面，再行重返到感官层面，让机器人不仅看见世界，还能看懂世界。

”董霄剑的总结和《齐马的蓝》中机器人齐马通过感官所描绘出美妙画作不谋而合。而动画中的齐马甚至更进一步，通过感官勘破了世间万物，最后自由选择了重返本源，重返最现实的自己。

本文来源：南宫28圈官网-www.kubernetek.com