生成式AI这场战局里,德施曼跑赢同行,成为行业里第一个引入GPT技术的智能锁厂商。
4月2日,德施曼智能锁在北京举办了新品发布会之前的“创新技术预沟通会”,向到场媒体揭晓了最新技术突破之一——GPTfinger。
「智哪儿」认为,将GPT技术引入智能锁指纹识别功能,将成为德施曼新的“杀手锏”,搭载GPT技术的智能锁产品,也有望成为行业新的增长点。
事实上,科技巨头入局AI的案例并不少见,比如美的、海尔、长虹等家电企业早已宣布接入百度“文心一言”模型;再比如AI手机、AI电视将成为2024年消费电子产品的标签。但在智能锁行业应用最广的指纹识别领域,此前还未有先例。
回顾智能锁产品发展历程,从使用钥匙的机械识别,到使用密码的电子识别,再到使用指纹、人脸、指掌静脉的生物识别,智能锁的开门方式发生了天翻覆地的变化。但使用最广泛的开门方式依旧是指纹识别。据洛图科技数据显示,95.4%的智能锁都支持指纹识别功能。但是,对消费者而言,指纹识别不灵敏依然是最大的槽点。
比如,少数人群指纹质量不佳。包括指纹浅的女性和小孩,会导致采样点不清晰;还有指纹磨损、干裂的老人,通常会使指纹采样点不足;以及季节性蜕皮的人群,往往会让指纹采样点对不上,这些情况都会导致指纹不能或难以识别。
指纹识别的第二个困境则是预先设定的算法受到限制。指纹识别算法技术经历了从以捕捉指纹特征点为主的专家系统,到以捕捉图像特征点为主的机器学习的技术迭代,两者均为“规则与算法”先行。简单来说,现有指纹识别算法难以覆盖所有指纹差异,具有算法复杂度限制,硬件算力限制的问题。
因此,提升使用广泛的指纹识别的灵敏度和准确率,是智能锁品牌的必攻之战。
那么,如何让指纹识别进化,变得更聪明、更安全?
在AI技术颠覆各行业的当下,ChatGPT现象级地推动了生成式AI在各行业的应用场景落地,同时,也为智能锁的指纹识别功能带来了新的技术思路。
比如,GPT-4在图像视觉识别算法、高级推理算法、上下文模型算法等方面拥有先天优势,而且自学习能力强、适应能力强,能无缝接入众多应用场景。这些特点,不就是我们希望更聪明的指纹识别应该具备的吗?
基于此,德施曼智能锁抓住了生成式AI的技术浪潮,首创了行业独家的“GPTfinger”,突破技术限制,让GPT-4技术应用于指纹识别。
GPTfinger摆脱了预定规则依赖,算法视指纹而定,形成“一人一算法”。这样就使其具备了四大优势:无惧指纹特征缺失、无惧指纹季节性变化、无惧个体差异以及更安全。
值得一提的是,在国家锁具产品质量检测中心(浙江)牵头的人群测试中,德施曼GPTfinger能让指纹不好的人,80%以上都好用。测试结果也得到了国家公证机构全程公证。
德施曼在落地GPT技术应用于智能锁指纹识别功能的过程中,突破了四大技术难点:
首先,GPT-4模型庞大,空间和算力资源要求高。对此,德施曼首创模型蒸馏的方式,将模型进行100万级图到图的指纹识别模型训练;保留指纹识别单一场景相关120万个参数,从而模型空间从TB级别精简到MB级别,提升10倍主频、10倍算力,启用硬件加速的MPU实现资源扩充。
另外,GPT技术和指纹识别的训练模式不同。GPT-4模型通过上下文联系进行训练,处理并生成具有语意连贯性的文字。而指纹识别是根据指纹特征进行训练,采集并识别特征点吻合的指纹图像。针对训练模式的区别,德施曼行业首创“螺旋圆域技术”,模仿雷达波螺旋扫描的方式,将任意圆形区域内指纹特征组成螺旋状序列,建立指纹特征之间的上下文联系,即使有模糊的指纹,GPTfinger也能根据训练数据库,准确、快速的进行识别。
再有,针对指纹特征部分缺失导致难以准确匹配的问题,德施曼利用GPT的掩码遮挡生成式训练,能通过算法随机“遮挡”部分指纹特征进行训练,使GPTfinger实现即使在指纹特征部分缺失的情况下也能准确匹配,应对指纹磨损、不完整的情况,无惧部分特征缺失。
最后,为应对季节敏感带来的指纹变化,德施曼行业首创性地通过使用与GPT-4同源的深度卷积神经网络(CNN)大数据,来学习季节变化时指纹特征的衍变规律,让GPTfinger能够预测正常指纹变成脱皮指纹前后的变化形态,实现季节性指纹变化与正常时期指纹的可靠匹配。
可以说,四大核心技术难点的突破,让德施曼在智能锁行业建立起牢固的技术壁垒,同时也让GPTfinger技术的有效性和安全性更有保障。
无疑,将GPT技术落地应用到智能锁上,德施曼是行业第一个。据德施曼创新技术预沟通会透露,搭载GPTfinger技术的智能锁新品,将会在4月11日的德施曼全球新品发布会上正式发布。
走过十五年历程,在不断吸收世界技术变革与迭代自身技术的过程中,德施曼再次引领了行业。AI带来的产业革命,德施曼显然已整装待发。
全部0条评论
快来发表一下你的评论吧 !