英特尔与智芯原动推动智慧交通创新不知道你是否注意到

　　优化深度学习方案加速车牌自动识别英特尔与智芯原动推动智慧交通创新

　　不知道你是否注意到，无论是停车场的收费、还是道路卡口的车辆违规检测，都已经慢慢实现了“无人化”：通过摄像头等图像摄取设备来拍摄车牌，进行自动化的识别，并与后端的管理系统对接，可以自动的执行车辆停车计费、违规记录等应用。与传统的人工识别与管理相比，自动化的车辆识别与管理不但降低了相应的人员成本，还有效提升了管理的速度以及精度，成为智慧交通体系中不可或缺的一环。

----英特尔与智芯原动推动智慧交通创新//----

　　但与此同时，基于深度学习的车辆识别监测要想满足精度、性能的要求，需要高效的算法支持，以及大量的数据进行训练。但是，针对某一场景进行训练的算法往往无法充分满足其它场景的应用需求。以车牌识别为例，不同的国家和地区的车牌在文字、颜色、组合方式等方面都不尽相同，因此在没有基于一定数据进行训练的前提下，车牌识别算法很难迁移到其它国家和地区，这也造成了在部分市场规模较小的国家和地区，智慧交通体系的发展较为缓慢。

英特尔与智芯原动推动智慧交通创新。　　除了算法之外，算力也是影响基于深度学习的车辆识别系统应用的一个重要原因，算力越高，车辆识别与检测也就越容易达到更高的效率，也就更能适应比较苛刻的应用场景，如识别高速运动或是复杂场景中的车辆，而推理性能的增强则有助于加速算法的训练。同时，为了达到最佳的成本效益，用户往往希望能够以更少的节点承载更多的车辆识别负载，这就对性能提出了较高的要求。

　　智芯原动车牌识别系统的“出海”之路

　　作为中国领先的人工智能技术及解决方案提供商，北京智芯原动科技有限公司*(以下简称：智芯原动) ， 2018年被英特尔投资，一直致力于为用户提供高效、高准确率、可快速部署的车辆识别解决方案。智芯原动的云端车款识别平台可识别1600种左右车款，车款信息包括：品牌、型号、年代。为了满足全球不同区域用户对于车牌识别的需求，智芯原动推出了车牌识别解决方案。

　　针对传统车牌识别方案需要大量数据进行训练、部署速度慢、周期长的缺陷，通过搭载自研车牌算法框架，智芯原动海外车牌解决方案能够在少量(1K)车牌样本条件下快速迭代，仅需2-4周的交付周期即可实现新国家车牌的开发任务，且综合准确率可高达90%-95% ，能够满足基本应用的需求，而且随着训练数据的增加，这一准确率还将继续提升。

　　在该方案中，智芯原动使用了基于卷积神经网络深度学习的车款识别方法，并通过MobileNet*、GoogleNet* 等拓扑结构来实现分类推理优化。在智芯原动对车牌识别算法进行优化之后，有助于在小样本的前提下实现应用的快速开发及部署。

　　目前，智芯原动车牌识别解决方案已经在加拿大、土耳其、新加坡、赞比亚、安哥拉、中国、中国台湾、泰国、印度等二十余个国家和地区实现了产品落地。