对话旷视孙剑:比TensorFlow还早半年,旷视Brain++的进化法则(13)

此前 , 在AutoML领域的研究 , 一直都被国外谷歌AutoML Vision、微软Microsoft Custom Vision、亚马逊Amazon SageMaker等企业以及平台所“垄断” , 近两年国内百度的EasyDL也在进行相关的探索 。 而旷视则是当前创业企业之中在该领域的领头羊 。

具体落实到应用中来说 , 旷视曾经在业界推出一个名叫超画质的项目 。

通过以深度学习技术替代原来的ISP流程 , 旷视可以对原始图像进行检测、分析、降噪和融合等处理 , 能够解决用户在夜晚和低光照环境下拍摄照片时产生的画面亮度偏暗、噪点过多、动态范围不佳等画质问题 , 并通过人工智能学习高画质数码相机的成像特性 , 还原景物原有的细节纹理 , 使画面品质得到整体提升 。

但是新一代算法的一大问题则在于计算量非常大 , 使用时就需要在计算量与效果之间进行权衡 。

孙剑表示 , 旷视通过AutoML可以针对不同平台对神经网络进行自动的优化 , 进而保留下最高效的算子 , 同时在不影响整体效果的前提下 , 将一些低效的算子减少或者舍弃 , 从而使得算法可以在相应的平台中发挥最高的效用 。

推荐阅读