什麼是電腦視覺？
為了獲得差異化競爭優勢，所有組織都為了改善業務、品牌與流程戮力而為，包括提供卓越的客戶體驗，以及消除生產線障礙。然而，人力無法識別哪些地方在何時需要改善。電腦視覺技術這種人工智慧（AI），是組織用來訓練電腦從多個接觸點監控業務的利器，還可消化收集的龐大視覺資料。
電腦視覺 AI 結合各種元件，讓系統能夠「看到」從攝影機與影片收集到的資料，包括用於訓練系統辨認影像或影片各種元素，然後對此做出預測的攝影機、邊緣運算、雲端運算、軟體與深度學習模型。電腦視覺模型的類型包括：
- 影像分類，用於檢查影像，然後根據內容為它指派分類標籤。舉例來說，影像分類模型可用於預測哪些影像內有狗、貓或憤怒的顧客。
- 影像分割，用於辨識物件，以及從背景擷取物件，例如將 X 光結果中的腫瘤與周圍的腦組織分離。
- 物件偵測，用於掃描影像或影片，以及尋找目標物件。物件偵測模型通常會同時醒目提示多個物件，可用於處理各種工作，例如辨識貨架上的商品，改善庫存管理，或是識別生產線物品的異常狀況。
- 特徵萃取，用於將影像或影片擷取到的實用特徵分離，然後用第二種 AI 演算法分享，例如搜尋與擷取影像比對。舉例來說，特徵萃取可用於自動化交通監控與事故偵測。
電腦視覺支援各種全新的使用案例，協助各行各業的公司降低營運成本、開啟業務過程自動化的機會，以及創造新的服務或收益來源。這邊有幾個例子可供參考：
- 醫療影像：GE Healthcare 推出的應用程式，利用電腦視覺 AI 演算法偵測胸部 X 光的重要發現，包括稱為氣胸的致命肺部疾病。
- 智慧零售商店解決方案：監控零售商店貨架的智慧攝影機，可以追蹤庫存資料，在商品缺貨時立即通知員工。嵌入數位電子看板的電腦視覺，讓零售商可以衡量哪些類型的顧客閱讀哪些行銷訊息，幫助商店改善店內電子看板的成效。雜貨店連鎖店 Town Talk Foods 利用 AI 影片分析，將行銷、營運與促銷活動最佳化，讓他們達成年度銷售目標的速度加快了 17%。1
- 運動動作追蹤：Intel 打造的 AI 平台，掃描行動電話拍攝的運動員影片，然後擷取運動員體型與動作的相關重要資訊，協助運動員與教練做出關鍵調整。
識別適用於電腦視覺應用的合適軟硬體技術
有鑑於電腦視覺的顛覆性效益，許多組織都希望在多個業務單位應用這項技術。採用電腦視覺解決方案的條件是訓練或微調電腦視覺 AI 模型，為模型提供實現進階功能的資料，並且視需要部署 AI 視覺工作負載。
最終，若要實現影響深遠、符合成本效益且可擴充的電腦視覺解決方案，就必須根據業務和技術需求精選 AI 軟硬體工具，然後以恰到好處的方式組合。馬上就來一探究竟，瞭解您可以如何利用 Intel® 產品組合，在符合業務需求的情況下，幾乎滿足任何電腦視覺使用案例的需求。
利用 Intel® 工具與最佳化加速開發與資料科學
電腦視覺部署可能需要開發者與資料科學家投入大量精力。為了協助簡化模型開發與部署及效能最佳化，Intel 提供端對端 AI 管道軟體，包括適用於 TensorFlow、PyTorch 與 scikit-learn 這類熱門架構的最佳化。
此外，我們提供的開發者資源產品組合，有助於大幅簡化部署，包括 Intel® 發行版 OpenVINO™ 工具組，可讓團隊編寫一次 AI 解決方案程式碼，然後幾乎部署於任何地方。OpenVINO™ 屬於開放原始碼架構，可讓您避免受到固定供應商的侷限，並且打造可在異質硬體順利擴充的應用程式，無論是邊緣或雲端都不成問題。
為了更輕鬆發揮加速實現價值的效益，我們還率先推出 Intel® Geti™ 這個開放原始碼的企業級電腦視覺平台，可讓非程式撰寫員領域的專家與資料科學家合作，快速打造及訓練 AI 模型。
Intel 開放式軟體工具結合我們廣泛的硬體產品組合，可簡化從概念到正式作業的 AI 之旅，並且保證締造您所需的效能，加速 ROI。合併式 Intel® AI 電腦視覺平台的威力，可讓您胸有成竹處理 AI 管道的所有層面。
模型訓練與部署：選擇專為需求最佳化的硬體
電腦視覺應用五花八門，根據您試圖解決的問題、資料接受訓練與分析的位置，以及工作負載的規模，基礎架構需求大相逕庭。本節將探討針對使用案例選擇最佳硬體時考慮的三個關鍵問題。
考量因素 1：電腦視覺模型訓練將在哪裡進行？
為針對您的訓練工作負載找出最佳硬體，首先請考慮 AI 策略與使用案例是否需要在邊緣、雲端與資料中心進行模型訓練及/或微調功能。您可能因為成本或安全措施限制無法在雲端訓練資料。此外，您或許可以充分利用邊緣伺服器提供的非尖峰週期，在產生資料的位置訓練資料。
針對微調模型這類邊緣的輕量級訓練，我們建議採用搭載 Intel® Data Center GPU 的伺服器級 Intel® Xeon® 可擴充處理器。
若要訓練或部署大型資料集，或者如果您必須在邊緣快速訓練模型，那麼工作負載可能需要額外的基礎架構或雲端技術的訓練與推論。我們建議不妨為 AI 工作負載搭配內部部署伺服器，考慮分散式訓練模型。使用多部內建 AI 加速的 Intel® Xeon® 可擴充處理器，無須仰賴 GPU，即可發揮高效且符合成本效益訓練的效益。
針對超大型工作負載，您也可以採取使用 Habana® Gaudi®，或是 Intel® Data Center GPU Flex 140 或 170 這類獨立資料中心 GPU 的進階深度學習加速器策略。
舉例而言，自動駕駛汽車的 Mobileye 應用程式，利用電腦視覺偵測及回應行人、其他車輛與交通訊號。為此，應用程式每秒必須處理數百張影像，而且必須連續執行大量模型，因此訓練成了影響營運成本的關鍵因素。為了提高訓練效率，Mobileye 使用 Habana® Gaudi® 在雲端訓練模型，將 CP 值改善達百分之 402。
如需模型訓練相關資訊，請從這裡馬上開始：
考量因素 2：部署是否需要堅固的外型規格？
為電腦視覺解決方案選擇硬體時的另一個關鍵考量因素則是，您打算在傳統 IT 環境部署，還是在面臨獨特環境難題的地點部署。工業廠房、倉庫、基地台或船舶這類要求嚴苛的環境，需要抵禦灰塵、振動、溫度變化大和其他惡劣條件的堅固裝置。Intel 提供各種搭載整合式 GPU 的物聯網與嵌入式處理器，適用於堅固耐用的小外型規格裝置，以及適用於需要更多處理量之標準環境與工作負載的通用型伺服器 CPU。
考量因素 3：在作業過程中，是否必須在邊緣分析及處理影片資料？
如果您必須處理大量影像或影片資料，那麼將資料上傳至雲端可能成本過為高昂，或者法規或安全規定可能不允許您將資料傳送至雲端。另外，您可能面臨禁止雲端處理的延遲規定。此外，雲端無法存取時，或者可能需要模型分析資料並快速回應的時候，模型可能必須在邊緣繼續處理。
如果計畫需要邊緣處理工作符合上述任何一項考量因素，那麼就可能需要這三種解決方案之一：內建邊緣裝置或通用型物聯網裝置、裝置邊緣影片 AI 盒，或是內部部署的邊緣影片 AI 伺服器。
使用案例：適用於低延遲部署的內建邊緣裝置或通用型物聯網裝置
電腦視覺技術通常內嵌於邊緣或物聯網裝置，例如無人機、機械臂或智慧攝影機。這類部署屬於自動性質、空間或功率限制，或者需要儘可能降低 AI 延遲。Intel 提供專門用途的低功率產品，可滿足邊緣與嵌入式裝置的各種要求和限制。
根據工作負載的複雜程度，不妨考慮採用以下硬體組合之一：
- 內建各項加速功能的 Intel® Core™ 處理器，例如適用於超低功率加速器的 Intel® Gaussian & Neural Accelerator (Intel® GNA)，以及整合式 GPU。
- Intel® Core™ 處理器與 Intel® Iris® Xe 顯示晶片獨立或整合式 GPU。
- 搭載整合式 Intel® Advanced Vector Extensions 512 (Intel® AVX-512) 加速 及添加獨立 GPU 的 Intel® Xeon® D 處理器。
閱讀瞭解 Intel® 硬體內建電腦視覺應用程式，如何協助照明製造商 Signify 簡化產品線的品質控管。
使用案例：適用於中度複雜度部署的裝置邊緣影片 AI 盒
裝置邊緣影片 AI 盒部署包含少量攝影機（大約 4 到 10 部），直接連接或串流至單一應用程式，在機上進行 AI 處理。舉例來說，零售自助結帳櫃台的電腦視覺應用程式，使用多個感應器識別顧客購買的產品，讓顧客加速執行交易，幫助商店防止竊盜行為。這類部署需要的攝影機串流較少，因此使用低功率處理器即可有效支援。
如果必須阻隔環境中的灰塵、油污或其他污染物，建議採用搭配被動式或外接式冷卻而非開放式機箱風扇的半強固型或全強固型硬體。
若為任何環境的輕度至中度複雜度工作負載與部署：
- 內建各項加速功能的 Intel® Core™ 處理器，例如適用於超低功率加速器的 Intel® Gaussian & Neural Accelerator (Intel® GNA)，以及整合式 GPU。
若為標準 IT 環境中度至高度複雜度的工作負載和部署，以及需要半強固型設計的環境，不妨考慮下列額外選項：
- Intel® Core™ 處理器與獨立 GPU，例如 Intel® Arc™ 顯示晶片
- 內建 Intel® Advanced Matrix Extensions (Intel® AMX) 加速與 Intel® Data Center GPU Flex 140 或 170 這類獨立資料中心 GPU，適用於物聯網邊緣的第 4 代 Intel® Xeon® 可擴充處理器
進一步閱讀瞭解 Intel® 電腦視覺解決方案如何協助零售商將資料即時轉化為深入解析。
使用案例：適用於進階部署的內部部署邊緣影片 AI 伺服器
若為某些進階使用案例，例如採用電腦視覺 AI 演算法在 X 光結果偵測疾病的醫療影像應用程式，您的部署可能會配備許多遠端攝影機，有時甚至超過 300 部，串流至單一內部部署裝置進行 AI 處理。這類部署可能支援許多攝影機並執行多個電腦視覺模型，因此您可能必須考慮使用提供強大處理能力的硬體。
此外，您還必須考量環境條件。如果影片 AI 伺服器打算安裝於標準 IT 環境，您可以選擇適合標準資料中心伺服器或企業工作站的硬體。然而，若是條件惡劣的環境，則需要強固型模組化伺服器。
若為標準 IT 環境內的部署，視工作負載而定，不妨考慮採用：
- 第 4 代 Intel® Xeon® 可擴充處理器
- 第 12 代 Intel® Core™ 處理器搭配第三方加速器
- 第 4 代 Intel® Xeon® 可擴充處理器與獨立資料中心 GPU，例如 Intel® Data Center GPU Flex 140 或 170
若部署需要強固型設計，視工作負載而定，不妨考慮採用：
- 適用於物聯網邊緣的第 4 代 Intel® Xeon® 可擴充處理器
- 第 4 代 Intel® Xeon® 可擴充處理器與獨立資料中心 GPU，例如 Intel® Data Center GPU Flex 140 或 170
閱讀瞭解 Hellometer 的電腦視覺技術餐廳自動化解決方案，如何協助各品牌改善得來速體驗。Hellometer 使用內建 AI 加速及採用 OpenVINO™ 軟體的 Intel® Core™ 筆記型處理器，讓餐廳業者服務速度平均改善 47 秒，相當於每個地點每年收益預估增加約 13 萬美元3。
利用 Intel® Vision 解決方案打造滿足未來需求的電腦視覺應用程式
Intel 提供豐富的硬體產品組合與端對端 AI 管道軟體工具，可協助您打造在效能與成本取得適當平衡的電腦視覺應用程式。硬體選項五花八門，提供在任何環境部署電腦視覺所需的處理能力。最棒的是，開發者與資料科學家可以使用我們的開放原始碼軟體工具，例如 Intel® 發行版 OpenVINO™ 工具組，開發及最佳化在異質裝置輕鬆擴充的應用程式。您只要變更幾行程式碼，即可配備經過數以千計深度學習加速器訓練的電腦視覺 AI 模型，在無人機上執行。
找到可在過程中每個階段以任何規模讓 AI 充分發揮強大威力的 Intel® 解決方案。