隨著科技發展快速，Synology建議企業應確實掌握內外部資源，才能在與趨勢接軌的同時，發揮企業研發能量的最大值，隨時為企業加值做好準備。
群暉科技 (Synology) 主要的產品是NAS（網路附加儲存設備），目前在全世界主要市場，特別是中小型與家用型NAS市場中，市占率都是第一名。我們也是首個把AI深度學習套用在NAS的儲存廠商，看準用戶對大量影像的分類、管理、儲存需求，加上AI應用逐漸成熟達到商用標準，我們於是決定利用深度學習技術，在即將推出的相片管理程式中打造一套影像辨識系統。
雖然並非一開始就是傳統影像辨識技術的專家，但是由於設定了非常明確的目標，加上借助了產、學界許多既有的資源，因此利用六個月的時間就成功將產品交付市場。目前這個圖像辨識功能在我們Intel ATOM等級的機器最快不到1~2 秒就可以完成人臉、主題與場景的辨識，準確度也從8成起跳，我們很樂於透過以下幾點來分享系統的開發流程與重要關鍵。
關鍵一：確認目標與時程，重新建模
許多台廠在設想AI應用時耗費了大把時間，而我們本來就要打造一個全新的照片管理程式，再加上群暉了解使用者對照片「自動分類」的強烈需求，因此很快就將問題定義好。然而學界盛行的「一張圖片即一個主題」，或是物件定位辨識之類的模型，與我們希望「一張照片辨識出多個主題與物件」的目標有些不同，因此決定透過Transfer Learning方式，將物件與主題辨識任務重新建立模型。
關鍵二：運用現有人才資源，兩星期組建團隊
由誰來開發模型？AI人才難尋也是不少台廠的難題，不過我們選擇直接從企業內部徵才，原因在於內部員工熟悉自家產品，對於使用者體驗及軟體相容性整合的了解程度來說都再適合不過，於是我們在短短兩周內就完成團隊組建，由部門主管領軍，並精選出三位員工，組成四人小團隊。然而四人過去皆非圖像辨識相關背景，我們是怎麼挑選的呢？被選中的員工有幾個共通點：在公司任職期間，除了研發態度積極，自我學習能力也強，並且有優異的Programming Skill。我會建議除了相關背景之外，Programming skill也必須列入重要考量。因為之後做資料處理，做實驗來重現結果，以及跟應用整合，良好的程式寫作能力會讓整體效率提高很多。
關鍵三：里程碑論文奠定基本功，實作重現模型結果
團隊雖然肩負重任和時間賽跑，但我們非常看重基本功，每個星期會根據研發目標，選取「里程碑性論文」，團隊定期報告與討論。舉例來說，在影像分類（Image Classification）的問題上面就有AlexNet、VGGnet、GooLeNet與ResNet不同模型的比較。最為關鍵的是在理解這些論文後，我們盡量會「重現」論文的結果或至少拿到Pre-trained models實驗，論文與實務結合是非常重要的步驟。
關鍵四：借助學界力量，讓產學合作效益最大化
在各種開源工具的協助之下，AI研究入門門檻越來越低，但精通難度很高，因此群暉也借助學界資源，如邀請台大資工系教授徐宏民一同參與此專案。徐教授也是NVIDIA AI Lab計畫主持人，專精於機器學習與影像辨識。他曾任IBM華生研究中心與美國微軟研究院研究員，也是訊連科技創始成員之一，業界經歷豐富。他也協助我們擴大論文搜尋、應用範圍與參數調整等，針對評估模型好壞的指標給予客觀建議，是我們遇到問題時十分重要的諮詢對象。
關鍵五：模型不是越深越好，挑選合適的更重要
我們藉由校正多種Open dataset物件，以調教內部model參數達到最高準確度。首先在數據集的部分，採用Google open image、百萬明星臉與ImageNet等市面上開放的數據庫，訓練數據集可分為三百多種類別，每種類別約有上千至數萬張照片，同時手動人工標記並補足現有數據的錯誤與不足。團隊花了三個月左右建模，除了準確度，還需要考量符合記憶體與運算效能等硬體規格，在模型精準度與耗費的硬體資源上取得絕佳平衡。舉例來說，團隊一開始嘗試採用Resnet，即使這個模型的深度很深，但因為需要的記憶體過於龐大，不但運算耗時，也會拖慢整體系統效能，讓使用者體驗不佳，反而得不償失。在改用Google的inception為基底來做Transfer Learning並透過資料及微調後，模型最終平均準確率80%起跳，個別類別準確度甚至可高達90%。
隨著科技發展快速，Synology建議企業應確實掌握內外部資源，才能在與趨勢接軌的同時，發揮企業研發能量的最大值，隨時為企業加值做好準備。
Reference: https://www.bnext.com.tw/article/48803/ai-nas-synology
留言列表
