據報道，在強大的AI（人工智能）算法誕生之前，圖像信號處理器（ISP）中實現的圖像處理功能相當簡單，其將來自圖像傳感器的信號轉換為人眼可以理解的圖像。工程師們通常采用專用ISP的硬件架構呈流水線式地逐個處理像素。這種方式催生了能運行AI算法的更加強大的視覺處理硬件，具有存儲整個圖像的內存。根據Yole發布的《嵌入式圖像和視覺處理-2017版》，汽車將是這項技術最重要的應用領域之一。

隨著車輛朝著無人駕駛和傳感器融合的方向發展，AI技術和相關的硬件正在相互作用，以在前沿領域發揮作用。Algolux是一個年輕而富有魅力的創業公司，對圖像處理和AI的作用深有了解，并努力自主開發出有趣的方式將兩者結合起來。因此，Yole專訪了Algolux公司的總裁兼首席執行官Allan Benchetrit，對Algolux的情況和技術做了詳細探討。

2012~2021年視覺系統的硬件市場發展情況

YoleDéveloppement（以下簡稱YD）：請您談談Algolux公司的情況和產品。

Allan Benchetrit（以下簡稱AB）：Algolux通過機器學習實現了自動化視覺，使攝像頭能夠更清晰地看到并感知，這是當前視覺系統無法完成的。通過CRISP-ML這套工具，我們機器學習的工作流程可將典型的3~6個月才能完成圖像質量處理工作縮短至幾小時或幾天。更進一步講，我們認識到，在困難的成像場景中，視覺系統對魯棒性的要求比現有方法更高。Algolux使用基于CANA DNN的完整感知堆棧解決了這個問題，并取代現有的基于ISP的架構。

Algolux總部位于加拿大的蒙特利爾，在帕洛阿爾托和慕尼黑設有辦事處。主要專注于汽車市場，但我們的技術適用于任何基于攝像頭的應用，如視頻監控和智能手機。我們的產品不僅受到客戶的充分認可，在挑戰性問題的創新能力也受到行業的高度認可，最近我們獲得了AutoSens頒發的“最精彩創業公司”（Most Exciting Startup）獎項。

YD：為什么Algolux一開始就專注在汽車應用市場？

AB：Algolux主要關注汽車中的成像和感知案例。高級駕駛輔助系統（ADAS）和無人駕駛面對的挑戰性場景——在暗光、強光、噪音、高動態范圍、惡劣天氣和鏡頭等，至今未得到有效解決的問題。另一個驅動因素是汽車行業在IEEE P2020中的合作，以建立計算機視覺圖像質量標準，我們也參與其中。當行業領導者意識到目前的方法不會一貫地實現這些系統的關鍵任務安全目標時，工作組就形成了，這是Algolux可以幫助優化結果的自然區域。

YD：在標準相機里，相比ISP流水線式的處理方式，創建物體探測的神經網絡是否會更加復雜？

AB：兩者實際上都相當復雜，但也有一些關鍵的區別。ISP由多個連續的階段組成，對傳感器捕獲的圖像的顏色、清晰度、噪聲等進行處理。每個階段的算法都是根據任務精心設計的，雖然事實上前面的任務只是用作參考。然后由“成像專家”通過數千個參數對ISP進行“調整”，從而從特定的鏡頭和傳感器組合中獲得最佳的圖像。最終得到的是視覺上令人滿意的圖像，但調整時間可能幾個月。

基于AI的感知任務，如物體識別，通常在由許多層組成的深度神經網絡（DNN）中實現，每層都有許多節點進行計算，類似于大腦中的神經元。DNN通過特定任務的注釋圖像的大量數據進行訓練，允許DNN學習如何識別行人、汽車和卡車。

在如今的架構中，來自ISP的圖像會傳送到DNN。關鍵的限制是ISP是基于專業的視覺設計和調整產生令人滿意的圖像，但不太適合計算機算法（DNN）來識別對象。

YD：在ADAS和無人駕駛領域，Algolux打算用CANA感知堆棧替換流水線式信號處理。你認為還可以推廣到無人駕駛以外的應用嗎？

AB：由于ISP是以人類視覺而不是計算機視覺為目標，我們的首席技術官兼技術發明人Felix Heide看到取代這個限制因素的機會，我們用完整的DNN堆棧來“學習”是處理來自傳感器的圖像與感知任務的最好方式。在汽車任務方面，與目前使用具有DNN感知的現有ISP的方法相比，結果準確度顯著提高。對于典型的分類任務，我們也看到了相同的改進，所以這種方法的推廣前景不錯。

YD：在您看來，隨著AI技術的出現，硬件和軟件公司開發視覺系統面臨的風險是什么？

AB：AI，特別是深度學習，以驚人的速度提高了機器感知周圍環境的能力。半導體行業在圖形處理單元（GPU）和神經處理單元（NPU）部署方面也有了明顯的變化，在神經網絡以較低的功率運行以實現更復雜的任務得以加速。同樣，在AI軟件創新和基礎設施方面也有巨大的投資。我們目前還處于初期階段，但誰將會成為領導者，這是一場高風險的競賽。

YD：Yole預計，汽車成像和傳感市場將從簡單的ISP轉變集成有AI處理器的融合處理器板開始。支持這種轉變的關鍵硬件和軟件參數是什么？

AB：這些新方法需要大量的嵌入式處理，無論是計算機視覺電子控制單元還是智能邊緣攝像頭，對降低功耗的同時提高處理性能的需求至關重要。智能傳感器融合在提取和處理單獨的數據密集型信息流時會增加處理負荷。從客戶那里，我們聽到很多業內人士就基于所處理的任務探索不同的融合方法和模型而進行的討論。但是，我們強烈主張具有互補性的傳感器和融合才是無人駕駛車輛的未來趨勢。
? ? ? ?責任編輯:pj