富士通實驗室有限公司開發(fā)了一種技術，用于將超高清，大容量視頻數(shù)據(jù)壓縮到AI視頻識別應用所需的最小大小。這項技術可以將視頻數(shù)據(jù)壓縮到使用常規(guī)壓縮技術準備的，供人類視覺確認的數(shù)據(jù)大小的十分之一。

近年來，各個業(yè)務領域對視頻數(shù)據(jù)的AI分析的需求急劇增加。尤其是第五代移動通信系統(tǒng)(1)的普及 ，預計將極大地增加相機拍攝的超高清視頻圖像的數(shù)量，以及在街上和路上拍攝的許多圖像的數(shù)量。生產(chǎn)線。

在開發(fā)這項新的壓縮技術時，富士通專注于AI和人類識別圖像的方式上的重要差異。即，在識別視頻數(shù)據(jù)中的人，動物或物體時，人工智能和人類在圖像區(qū)域上往往會有所不同，這些區(qū)域被認為對判斷很重要。富士通開發(fā)了一種技術，可以自動分析AI所重視的區(qū)域，并將數(shù)據(jù)壓縮到AI可以識別的最小大小。這使得可以分析大量視頻數(shù)據(jù)而不會影響識別精度，同時可以顯著降低操作和數(shù)據(jù)傳輸成本。還可以預料，該技術將允許用戶通過組合存儲在云中的多個視頻數(shù)據(jù)，傳感器數(shù)據(jù)和性能數(shù)據(jù)(例如銷售數(shù)據(jù))來分析更高級的視頻數(shù)據(jù)。

背景與挑戰(zhàn)

近年來，使用AI分析圖像的技術發(fā)展迅速，并且有望成為許多行業(yè)中許多公司進行數(shù)字化轉型的驅動力之一。隨著2020年復雜的5G移動服務的到來，對AI分析的需求預計會進一步增加，同時超高清4K和8K攝像機以及大量視頻數(shù)據(jù)在包括行為分析在內(nèi)的應用中的使用也將增加。制造業(yè)和零售業(yè)。

盡管如此，對于用于圖像分析的深度學習技術的處理要求仍提出了巨大的挑戰(zhàn)。一種確保處理這些任務的計算能力的有效技術是與云一起處理，但是由于視頻數(shù)據(jù)通常非常占用資源，因此需要一種可以將所有視頻數(shù)據(jù)傳輸?shù)皆频母邏嚎s技術。而不會影響質量，從而不會使網(wǎng)絡帶寬過載。

關于最新技術

壓縮視頻會根據(jù)壓縮率降低圖像質量，并且如果AI聚焦的區(qū)域過度壓縮，識別精度會降低。富士通開發(fā)了一種視頻壓縮技術，該技術可以自動分析一幀視頻數(shù)據(jù)圖像中被AI識別為判斷材料的對象的區(qū)域， 以每個區(qū)域識別所需的最低圖像質量對圖像進行壓縮(2)(圖1)。與傳統(tǒng)的壓縮技術相比，通過應用此技術，可以顯著減小視頻數(shù)據(jù)的大小，同時保持識別精度。

自動估算壓縮比而不影響AI識別精度的技術

針對每個區(qū)域分析了特定于壓縮的圖像質量下降對識別精度的影響。根據(jù)AI識別結果自動估計不影響識別精度的壓縮率(圖2)。

當改變整個圖像的壓縮比并改變圖像質量時，通過匯總對識別結果的影響，可以確定所有區(qū)域中AI在識別過程中特征的重要程度。將緊接在每個區(qū)域中的識別精度迅速惡化之前的壓縮率估計為不影響識別精度的壓縮率。

它還會反饋連續(xù)圖像的AI結果，以將壓縮率提高到AI可以識別的最大范圍。這樣，該技術在保持AI識別精度的同時實現(xiàn)了高圖像壓縮。

影響

新開發(fā)的技術已應用于由多名工人打包在工廠中的4K攝像機拍攝的視頻鏡頭。可以確定的是，數(shù)據(jù)大小可以減小到傳統(tǒng)壓縮技術的數(shù)據(jù)大小的1/10，而不會降低識別精度。預計該技術將用于不需要嚴格實時性能的應用程序，以及用于分析高級視頻數(shù)據(jù)的分析，該高級視頻數(shù)據(jù)將存儲在云中的多個視頻數(shù)據(jù)，傳感器數(shù)據(jù)以及性能數(shù)據(jù)(例如銷售數(shù)據(jù))結合在一起。

未來的計劃

富士通實驗室正在各種情況下對該技術進行評估，并正在進行進一步的研究和開發(fā)，以進一步改善壓縮性能。富士通有望在2020財年末將該技術商業(yè)化，并將其引入不同行業(yè)的各種應用中，包括其富士通制造業(yè)解決方案COLMINA服務平臺。

[1]第五代移動通信系統(tǒng)-3GPP(第三代合作伙伴計劃)第五代系統(tǒng)的縮寫。一種具有高速，大容量，超低延遲和多個同時連接的移動通信系統(tǒng)。

[2]壓縮- 此技術采用國際標準H.265 / HEVC和現(xiàn)有的視頻壓縮方法。