自動駕駛領域的技術變革呼之欲出。

如果說，自動駕駛大規(guī)模落地的痛點在于深度學習的范疇僅限于圖像等靜態(tài)材料，那很快，自動駕駛深度學習的范圍將擴展到視頻領域。

近日，眾安信息技術服務有限公司(以下簡稱“眾安科技”)數(shù)據(jù)科學實驗室的論文"Dense Dilated Network for Few Shot Action Recognition"(《基于密集擴展網(wǎng)絡的少樣本視頻動作識別》)被ICMR(國際多媒體圖像分析峰會)錄用，這是深度學習在視頻分類領域的創(chuàng)新應用，在駕駛行為分析、視頻檢索等領域有重要的業(yè)務價值。

深度學習進入“視頻學習”時代

“讀圖”已經(jīng)無法滿足機器的學習胃口。深度學習是機器學習中一種基于對數(shù)據(jù)進行表面特征的方法，其概念源于人工神經(jīng)網(wǎng)絡的研究。目前，深度學習的主要素材來源于文字、圖片，而隨著智能手機等設備的發(fā)展，視頻沉淀了大量深度學習素材。近年來人工智能、神經(jīng)網(wǎng)絡的發(fā)展更是促進了視頻的分類、識別的研究。

不過，機器想要學習視頻素材絕非易事。一般來說，訓練深度神經(jīng)網(wǎng)絡需要大量標記良好的數(shù)據(jù)。對于機器來說，由于視頻動作、視角較多，且視頻每秒都包含了20-30幀畫面，數(shù)據(jù)規(guī)模較大，機器的標注難度比標注圖像復雜很多倍。另一方面，就視頻本身而言，雖然不同的視頻內(nèi)容差異很大，但同一類的視頻在語義上有著很高的相似性，對于機器學習來說，如何避免“重復勞動”也是擺在現(xiàn)實面前的一道難題。

針對上述難題，眾安科技通過在視頻多樣性中提取高層共有的特性來實現(xiàn)機器學習。

眾安科技方面表示，基于機器學習視頻的痛點，數(shù)據(jù)科學實驗室研發(fā)了一種新穎的神經(jīng)網(wǎng)絡架構來同時捕獲局部信息和整體時空信息。具體來看，眾安科技采用了擴張卷積網(wǎng)絡，在這個網(wǎng)絡的不同層之間，使用密集連接的方式組合，由此可以融合每一層的輸出，從而學習視頻的高級特征。

和其他網(wǎng)絡架構相比，眾安科技的這款神經(jīng)網(wǎng)絡架構利用每層與之前所有層相連的方式，可以得到從最初局部特征到總體視頻的所有特征信息。而每層網(wǎng)絡使用了擴張卷積(dilated convolution)，相比原始的卷積方式，可以更加充分利用時空信息。因此不需要很深的層數(shù)，在少量數(shù)據(jù)下就可以訓練效果較好的網(wǎng)絡。

以目前動作類別數(shù)、樣本數(shù)較多的數(shù)據(jù)庫之一UCF101為例，眾安科技在此數(shù)據(jù)庫的通用視頻數(shù)據(jù)集上進行了大量實驗，在僅有20%的訓練數(shù)據(jù)時(模擬對新任務的快速學習)，利用該神經(jīng)網(wǎng)絡架構，機器仍然可以學到每類視頻的高層語義特征。

視頻深度學習下個落地場景：出行、醫(yī)療

視頻深度學習有望率先在出行和醫(yī)療領域落地。

眾安科技研發(fā)的這款神經(jīng)網(wǎng)絡架構在實戰(zhàn)中也有很高的應用價值，由于該架構只需要少量訓練數(shù)據(jù)就可以促進不同任務之間的遷移學習，幫助系統(tǒng)快速上線，從而減少了大量采集數(shù)據(jù)和訓練過程。

如在車險領域，可以使用該方法對路口監(jiān)控或行車記錄儀等視頻進行快速分析，識別碰撞和高危駕駛片段，從而對車主的駕駛行為進行建模，實現(xiàn)車險的自主定價。

此外，在醫(yī)療方面，目前人工智能輔助醫(yī)療的手段除了CT圖片等，還有許多造影等多樣的數(shù)據(jù)有待分析。該方法利用時序信息，可以針對造影進行識別診斷，尤其是對于病例較少的罕見病分析更為高效。

眾安科技數(shù)據(jù)科學實驗室認為，該神經(jīng)網(wǎng)絡架構針對出行和醫(yī)療領域會有較大的幫助，這也是該團隊未來產(chǎn)學研結合的落地方向之一。