在边缘快速跟踪高性能计算机视觉和深度学习推理应用程序的开发

英特尔在IT业务中扮演着重要角色，除了用服务器，个人计算机，物联网和移动设备制造带有微型晶体管的处理器。它还使安全性硬件和软件，内存和可编程企业解决方案，5G连接性硬件和软件以及此处列出的其他列表太长。

但在2018年中期，这家尊贵的芯片制造商认为最绿色的领域之一与所谓的“边缘”有关—数据中心之外神秘，模糊且分布更广泛的区域，大量计算已开始发生，并且随着时间的流逝将会越来越多。

我们最近听到了很多有关此信息的信息，主要是因为我们的设备(智能手机，笔记本电脑，平板电脑，物联网设备)位于集中式系统的边缘，与过去几年相比，它可以容纳更多的信息并能做更多的事情。英特尔希望为这些设备和系统提供越来越多的基础架构。

什么是边缘计算?

定义：边缘计算是一种通过在数据源附近的网络边缘执行数据处理来优化云计算系统的方法。通过在数据源处或附近执行分析和知识生成，这减少了传感器与数据中心之间所需的通信带宽。这种方法需要使用可能无法连续连接到网络的资源，例如笔记本电脑，智能手机，平板电脑和传感器。

本质上，边缘计算(还包括这些设备通过蓝牙和其他非云方法相互通信)减少了过去在24/7云计算系统内部处理的工作负载。这不仅提高了计算和数据应用程序的效率，而且还促进了诸如人工智能和5G带宽等新兴技术的进一步实施。

英特尔决心成为提供边缘计算智能的领导者。我们之所以知道这一点，是因为英特尔高级副总裁兼物联网(IoT)集团总经理Tom Lantzsch在博客中对此进行了解释。

Lantzsch表示：“(过去一年)我们一直在努力为行业创新定义和开发数据驱动的技术基础。” “我们的战略是通过专注于边缘平台上的芯片平台和工作负载整合，在各个垂直领域推动端到端分布式计算。”

企业视频：低端物联网分析硕果累累

在边缘计算的早期，这种策略的很大一部分涉及企业视频的低垂成果。这些是首先要转换的物联网用例，因为旧的模拟视频的使用，维护和存储非常昂贵，而在云或边缘计算系统内部处理的数字视频则更加有效，易于使用和维护，并且更容易，更便宜地存储。

Lantzsch说：“在视觉应用方面，尤其是在利用人工智能(AI)的视觉应用方面，戏剧性的增长推动了全球物联网市场的显着增长。” 这些影像和视频用例几乎涵盖了每个物联网细分市场。其中包括查找装配线上的产品缺陷，管理零售库存，确定偏远地区的设备维护需求以及实现城市和机场的公共安全。他们都利用高分辨率相机并创建大量数据，这些数据需要汇总和分析。”

为了应对这种不断增长的数据增长，英特尔本周推出了所谓的OpenVINO(开放式视觉推断和神经网络优化)工具包。该开发工具包旨在在边缘快速跟踪高性能计算机视觉和深度学习推理应用程序的开发。

OpenVINO可集成到其他应用程序

例如，英特尔客户可以将OpenVINO工具包与运行AWS GreenGrass的设备集成，以在边缘执行机器学习推理。

Lantzsch说，要处理高质量的视频，需要具有在边缘附近快速分析大量数据流并进行实时响应的能力，仅将相关的见解异步传输到云中。为了有效地处理视频数据，企业需要正确的解决方案。与采用“千篇一律”的哲学不同，英特尔认为市场需要一系列可扩展的硬件和软件解决方案，才能迈向智能数据驱动的未来。

这包括广泛部署和可用的英特尔计算产品，包括具有集成显卡，英特尔FGPA(现场可编程门阵列)和英特尔Movidius VPU(视觉处理单元)的产品。

因此，OpenVINO是英特尔视觉产品系列硬件和软件中的最新产品，致力于将视觉数据转换为业务和安全见解。这种类型的视频系统可以通过车牌等来识别人脸，交通方式，特定车辆等，以便城市，安全和其他类型的管理员可以在视频监控中搜集知识并找到坏人。

为什么将视频分析推向边缘?

英特尔计算机视觉和数字监控总监亚当·伯恩斯(Adam Burns)告诉eWEEK，视频和伴随分析技术发展到边缘的主要原因有两个。

“首先是经济的，因为数据本身适合边缘处理。第二个是依赖于应用程序的，这意味着数据要么是您想要维护安全性和隐私，要么是要立即对其进行操作，并将其驻留在发生的位置，” Burns说。

没有一种解决方案可以映射到目前正在使用的所有视频分析功能，因此英特尔提供了利用此工具集树立基础的机会。

OpenVINO工具包为边缘到云视频分析和深度学习提供了高性能的解决方案。它使开发人员可以使用TensorFlow，MXNet和Caffe等广泛的通用软件框架来部署深度学习推理和计算机视觉解决方案。

大华等全球合作伙伴正在使用英特尔的视觉产品和OpenVINO工具包提供智能城市和交通解决方案。GE Healthcare的医学影像学;和海康威视工业和制造安全。当前，其他用户包括Agent Vi，GE Current，戴尔和Honeywell。

英特尔