Hever Amir是計算機視覺技術初創公司UVeye的聯合創始人兼首席執行官。幾年前，他曾開車進入政府機構，當時門口的保安跪下來仔細檢查汽車底部，這讓他意識到政府的安全檢查流程中存在很大缺陷。

“他站起來后，我就問他在找什么”，Hever說道，“保安特別誠實地說他在排查安全威脅，但是什么也沒有找到。那時候我就意識到肉眼檢查并非是對汽車進行安全檢測的有效方式。”

之后Hever組建了一支團隊，并開始研究這一問題和可能的解決方案。他們于2016年在紐約成立了UVeye，并最終打造出了一套使用深度學習提升安全性的車底檢測系統。

Uveye主要專注于研究各種各樣的汽車底盤，以及汽車行駛幾千英里后發生的種種變化。Hever和他的團隊明白，識別汽車底盤的異常現象并不容易。Hever說：“我們也不知道要找什么，因為并沒有任何標準能夠對存在威脅的底盤進行界定。而且，威脅通常是隱藏著的。”

汽車結構圖遠遠不夠

UVeye很快便發現，要檢測底盤安全隱患，僅靠汽車制造商提供的底盤結構圖遠遠不夠。因為行駛了幾千英里之后的底盤，與剛出廠的底盤大有不同。他們的解決辦法是，開發用于無監督式學習的算法。無論隱藏得多深，汽車底盤情況如何，這種算法都有可能檢測到威脅。

該公司租賃了數百輛狀況不同的汽車，對汽車底盤進行掃描，生成了2D圖片和3D模型。將生成的數據輸入其深度學習模型中，該模型會映射所有部件的位置，然后分別分析每個部分，進而查找出異常現象。

這種解決方案可以檢測到這些部件的變化、異常、或者USB硬盤般大小的外來物體的存在。也可以判斷異常突出物究竟是一堆普通的雪或泥巴，還是為了掩蓋某些東西的偽裝。

UVeye使用包含多個NVIDIA GPU的工作站來訓練其模型。如果超出了其工作站的處理能力，他們也會使用Amazon Web Services或Microsoft Azure上運行的基于云的GPU進行訓練或進一步加速進程。

Hever說，GPU和CUDA并行計算模型的使用顯著加快了公司的訓練和開發進程，增強了系統生成結果的能力。

通過UVeye的首個產品系列，消費者可以對各種汽車底盤異常現象、變動或外來物體進行自動掃描、檢測和識別。UVeye已將其安裝于全球30多個地點。該系統可放置于地面上，掃描途經的汽車。這為保證系統的有效性提供了大量的測試數據。

Hever說：“GPU讓快速檢測成為可能。在三秒內，我們的機器學習算法就可以檢測出行駛中的汽車的異常現象。”

檢測即服務

UVeye正在變革汽車檢測行業。其系統中的其他應用程序專注于安全性，對于該公司而言，國家安全是一個前景可觀的市場。Hever表示：“汽車的自動外部檢查系統可以檢測異常現象、變化、凹陷，并跟蹤長期變化，人們對這種系統的需求非常大。”

除了底盤之外，該公司還利用算法分析其他汽車部件，對汽車進行全方位檢測。Hever說：“UVeye的360度全方位系統可以檢測到汽車裂縫、磨損以及各種各樣的問題或損壞。”從汽車的銷售和租賃到車隊的管理和維修，確保汽車安全可靠運行涉及眾多方面。Hever從中看到了其公司“檢測即服務”模式的無限機遇。

Hever說：“我們將改變消費者和機構檢測汽車的方式。”