基于英特尔® 至强处理器的3D建模和损毁检测

电子说

1.3w人已加入

描述

科技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。人工智能的出现,重新定义了文物保护的方法,克服了传统方式中的困难和挑战,以更快、更高效的方式解决凭借人力无法解决的问题。

通过英特尔人工智能技术、深度学习技术、无人机技术等,如何实现对于箭扣长城的保护与修缮?

无人机高精度图像采集:因为长城的跨度很大,修缮之前首先需要进行环境勘测。传统的办法是通过尺子测量以及目测,很难得到精准的数据。通过英特尔®猎鹰8+(Intel® Falcon™ 8+)无人机,工作人员能够近距离检测到长城的破损情况,可以获取高分辨率图像,帮助文保人员清晰、全面了解长城现状。

基于英特尔® 至强处理器的3D建模和损毁检测:这个过程包含了多个算法和步骤。根据无人机采集的数据,采用英特尔® 至强处理器能够快速分析处理上万张图片,并计算出破损的长度和宽度,规划修缮所需材料,并提供裂缝和塌方等破损的测量数据用于指导物理修缮。有了这些数据,修缮团队就无需再现场测量,而是可以通过AI算法得到最终需要的时间、人力、物力和成本。

基于人工智能和深度学习技术的数字化修复: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。

有了更领先的技术和更精准的数据,我们创造了更快、更高效的解决问题的办法,帮助各行各业解决那些尚未解决的问题。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分