随着机器学习技术的不断发展，它正在逐渐成为每个行业和企业的核心生产力之一。但是机器学习的高门槛让很多企业都望而却步，而云计算却恰好能够极大降低机器学习的门槛，帮助不同规模的企业高效和安全的构建、实施并扩展AI应用。在刚结束的亚马逊re:Invent大会上，Amazon Web Services (AWS) 又发布了一系列的机器学习新功能和新服务，用云计算+AI的形式，进一步为AI在生产中的加速赋能。

演讲大纲

1、云端的人工智能与机器学习创新；

2、云端的机器学习对AI开发的加速与部署全流程；

3、SaaS化的云服务对AI在行业的落地的加速。

听众收益

1、了解最前沿的云计算服务；

2、了解如何在云端加速AI在生产中的应用。

在智能医疗诊断中经常会需要用到人体动作识别来辅助诊断，而人体动作识别中的复杂背景、自遮挡、多目标等问题一直是阻碍诊断准确率提升的重大障碍。为了解决这些问题平安医保科技对图像、视频进行研究，从图像中获取 25个人体骨架关节点，并在此基础上将动作时间序列的关节角度变化作为人体运动的特征模型。通过改进的动态时间规整算法，计算不同动作之间关节角度变化序列的连贯性，进行动作识别，并引入Attention机制进行优化。结合医学骨科人体动力学，应用于关节疾病筛查，与专业医生的鉴别诊断进行对比，实验结果表明，该方法能达到 95% 以上的一致性。

本次分享主要会介绍该模型的框架和优化方案，并分享该模型在医疗领域的实践应用表现。

演讲大纲

一、肢体特征提取

1．静态姿态的关节角度特征

2．人体运动特征

二、模型框架及优化

1．模型整体框架

2．注入注意力机制提升准确率

3．使用ciou/Focal进行loss优化

4．使用TFLite进行移动端优化

5．多人场景下的精准识别

三、肢体识别在医疗领域应用实践分享

1．骨科疾病筛查的挑战与机遇

2．肩周炎筛查实践

四、未来展望

1．肢体识别在行为预警领域的挑战与机遇

2．在AR/VR领域的交叉碰撞/未来可期

听众收益

1．了解人体动作识别中的复杂背景、自遮挡、多目标等问题的解决方案

2．了解模型的轻量化及移动端部署方案

3．了解肢体识别技术在医疗领域的实践

受疫情影响，各公司对大规模在线音视频会议的需求不断增加。传统的超大音视频会议一般都采用服务端合流的方式进行，对资源消耗较高，而传统的WebRTC 架构并不擅长超过200 人以上的超大规模的场景。

在面对超大规模会议室、聊天室、直播等各种复杂场景时，对流进行按需合流，可以降低带宽占用和设备压力；对流进行有选择的订阅分发，有助于扩展各种组合场景。针对App 具体的应用场景，可以配合订阅分发模式，组合使用SFU 和MCU 架构。

本主题分享了融云在处理WebRTC 在超大规模音视频会议场景的思考与实践。

演讲大纲

1. 目前实时音视频常见的方案简介；
2. 应对多人组合场景的良方: 按需转发；
3. 按需合流: 低延迟与低成本考量；
4. 网络及体验优化的一些实践。

听众收益

1. 了解WebRTC 在超大规模会议场景面临的挑战；
2. 了解如何组合使用SFU 和MCU 架构；
3. 获得超大规模音会议下音视频网络和体验优化的实践经验。

适合人群

音视频服务开发人员