51

英特尔AI如何帮助修缮残垣断壁的长城,背后的奥秘找到了

 5 years ago
source link: http://www.10tiao.com/html/625/201807/2652506812/1.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

当人工智能走到科技和人文的十字路口,它会迸发出怎样的能量?你会发现,以往没有任何一个时期,会比现在的人工智能距离我们更近,因为它正在以一种近乎革命性的手段解决生活中真实存在的难题。

 

现在,有一个棘手的问题摆在中国文物保护基金会面前:如何修缮一段年代久远,已经是残垣断壁的箭扣长城?



如果是按照传统的方法,无论是勘测、测量、后期的处理,只能凭借人力用尺子、全站仪完成,耗时耗力,尤其是箭扣长城大多位于险峰断崖之上,周边草木茂密,人员想要到达施工现场可谓险阻重重。另外,传统的手工测量无法反映长城的全貌和细节,不利于保护单位做更精确的维修方案。

 

如今,“人工智能助力修缮箭扣长城”的项目已经在英特尔中国研究院、英特尔数据中心事业部,以及武汉大学测绘遥感国家重点实验室的合作下开展。 新的方法可以数字化还原长城修缮前后的状态,有利于修缮保护以及进一步研究。有了英特尔的人工智能技术的参与,箭扣长城以及更多长城的保护工作将跨越到新的高度。


如何用英特尔AI助力长城修缮,主要分三个步骤来进行:

 

1、采集高精度图像

在箭扣长城保护项目中,使用英特尔最新款猎鹰8+无人机,对城墙进行长城整体和局部的航拍和精确成像。



2、3D建模和损毁部位的人工智能识别

借助最新的英特尔至强服务器,快速分析处理高分辨率影像数据,产生完整的高精度长城影像3D模型,利用人工智能算法在3D模型上识别出需要被修缮的部分,并提供裂缝和塌方等破损的测量数据用于指导物理修缮。



3、3D模型的人工智能数字化修复

在3D模型损毁识别基础上,利用最新的3D模型对抗生成网络,以及回归卷积网络,对城墙缺损部位进行数字化修复,并据此对实际的长城修缮和维护提供指导和参考数据。



这将是一个全新的探索,先进的无人机航拍和人工智能技术参与文物建筑的修缮和保护,英特尔的计算技术深度参与其中。数据显示,仅仅700米的长城城墙,猎鹰8+无人机采集了上万张高分辨率图像,原始数据超过200GB,整个处理过程会频繁访问这些数据,还会产生超过100GB的中间和仿真数据,即便是高性能的计算,处理如此庞大的数据量也极其复杂。


解决方案还涉及多种AI算法,包括视觉特征抽取与索引,相机参数恢复,光束平差(bundle adjustment),稠密匹配,几何模型网格生成,深度神经网络2D及3D模型训练,纹理合成等。


英特尔的方案是,基于Xeon至强可扩展处理器,英特尔固态盘,同时结合OpenMP/MPI并行优化技术,采用针对英特尔CPU优化的英特尔®深度神经网络数学核心函数库(MKL-DNN),以及面向英特尔架构优化的深度学习框架Tensorflow等工具,高效地实现长城3D建模和数字化修复,并达到厘米级精度的效果。


整个长城3D建模和数字化修复过程中,需要进行大规模的方程迭代计算,其中一些基于大规模稀疏矩阵的方程求解会存在收敛稳定性问题。这个时候,大规模矩阵计算库MKL的作用就凸现了,它不仅能够提升计算效率,还能够大大提高复杂计算的稳定性。


如今,英特尔开发的MKL-DNN库已经广泛应用在Tensorflow,Caffe等流行的深度学习框架中。可以说,针对深度学习领域不同算法实现的解决方案中,英特尔至强架构是能够全面高效、低成本支持这么多种算法的理想选择,并可以明显提高人工智能修缮长城的效率和速度。


英特尔至强服务器,为人工智能的开发者提供了全套的开发工具链,允许开发者根据深度学习的数据复杂度对内存的需求按需配置。在此基础上,英特尔(中国)研究院和武汉大学将开发出长城缺损/裂缝识别与定位,数字化修复的深度学习算法,包括:

 

1、长城缺损/裂缝识别与定位

针对损毁及裂缝类型,研究人员在正常的和损毁的长城3D模型上进行样本采集和标定,获取足够多的样本数据,用于训练深度学习网络,该网络采用回归和卷积相结合的架构,针对3D模型的不同视角的2D视图和剖面图,进行大量数据样本的训练分析,形成对典型损毁模式的识别能力。



2、长城数字化模型虚拟修复

当一段长城的损毁部位识别出来之后,AI就会进行数字化的虚拟修复,在损毁的模型上生成3D的修复效果和砖墙纹理,并获得物理修缮所需的工程量的数据,作为对物理修缮的参考建议。


在数字化修复中,大运算量的2D/3D模型生成技术将得到应用。无论是2D还是3D模型的生成网络训练,其数据输入量和运算量都是惊人的,只有英特尔至强服务器能够提供完整的支持。同时,英特尔AI的数字化修复会遵循“修旧如旧”的文物修缮原则,为长城修缮工程提供详细的位置,效果和所需工程量的估计,作为实际工程有效的参考和对照。

 

总而言之,英特尔在帮助修缮长城的过程中,提供的是一个从前端数据采集,到后端深度网络训练与方案生成,整合了测量工具,人工智能算法,高性能计算平台,形成了一个完整的人工智能文物修缮与保护解决方案。


事实上,不仅仅是修缮长城,其他的人工智能应用场景,英特尔的AI解决方案,也是一个很好的选择。因为无论你是一名数据科学家,还是IT架构师,都可以在你熟悉的CPU平台上,简单高效的按需开发,让AI的开发和应用更简单,更实用。


也恰恰是这种高性能的通用AI计算平台,以及它实际应用于工程和产品的能力,将会帮助更多的AI解决方案提供商,在各个AI应用的领域大胆突破,展开一个AI应用的大时代。

 

人工智能,从至强开始。文物建筑的修缮与保护就是这样一个生动的例子,也仅仅是一个开端。



About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK