基于华为Holosens Store的调研

1. 华为Holosens Store–好望商城

1.1 什么是Holosens Store?

HoloSens Store是华为智能安防推出的一站式智能视频算法商城，商城集合了可运行于华为软件定义摄像机和智能视频云平台的优秀第三方算法，满足金融、能源、教育、园区等诸多行业智能化诉求。HoloSens Store致力于让开发者从“算法”到“应用”不再空中楼阁；让使用者从“想法”到“算法”，不再遥不可及。HoloSens Store汇集万千智慧，赋能千行百业。 ---- 华为官网

简单来说，从用户角度来看，好望商场是一个类似手机App Store一样的存在，商城里面提供各种各样的算法，适用于形形色色的场景，比如金融、教育、交通等。App Store的载体是智能手机，而好望商城的载体就是华为的SDC摄像机或者云平台。用户根据自己的使用场景需求，筛选好望商城里面适合自己的算法比如行人检测，购买并适配到SDC摄像机上，此时摄像机就会拥有行人检测的功能。

从研发人员的角度来看，好望商城像是一个只出售算法的电商平台，拉近了卖方（研发）与买方的距离，砍去了很多繁琐的中间过程。而好望自身只做对算法功能的审核，判断其算法是否达到上架成为商品的标准，所有的开发过程都外包给了第三方厂家。

1.2 Holosens Store的支撑体系

a. 统一操作系统：基于摄像机和智能视频云平台提供标准化、服务化的API接口，保证第三方算法可运行、可管理、可升级、可监控。
b. 一站式开发平台：基于华为云ModelArts的开发、算法训练能力及智能安防开放生态实验室远程对接能力，为开发者提供便捷、高效的算法开发和调测服务。
c. HoloSens iClient：基于华为智能安防产品提供第三方算法管理功能，实现算法批量加载、升级、License管理等能力。 ----华为官网

通过官网的描述来看，好望商城可以形成完整的业务闭环的原因主要有三个。1. 华为的SDC和智能视频云平台这两个载体采用了统一的操作系统，提供统一的标准的API接口，使得所有的算法开发外包给第三方厂家成为可能（有点类似于制定Android/ios开发标准）。2. 提供了一站式开发平台给研发人员，使得算法可以更高效、便捷的得以开发、调试、部署、上线，这个放在第二部分再细说。3. Holosens iClient其实就是一个客户端软件，帮助用户在PC上可以更好的管理、升级自己的已经适配算法的摄像头或者云服务。从这三点来看，华为是分别从算法落地端（设备和云）、研发开发过程、用户使用过程三个方面来搭建Holosens Store的支撑体系，保障其顺利运营。

2. 华为一站式开发平台

华为提供了一站式平台给研发人员，可以更方便的供研发人员开发、调试、部署算法。大致流程如下，其中第二步算法训练需要研发人员提供算法模型，如果本地没有可以上传的模型，也没有开发的环境，可以使用华为ModelArts开发平台进行远程训练和部署。下面详细介绍下ModelArts。（“提交服务申请”略过)

2.1 什么是ModelArts

ModelArts 支持开发者从数据到AI应用的全流程开发过程。包含数据处理，模型训练，模型管理，模型部署等操作，并且提供AI市场功能，能够与市场内与其他开发者分享模型。架构如下：

通过每一步流程来介绍下ModelArts的使用

2.2 准备工作

2.2.1 获取访问密钥

登录华为云，进入“我的凭证”页面，选择“管理访问密钥>新增访问密钥”，截图如下：因每个用户只允许创建两个密钥，所以显示灰色。

进入ModelArts控制台，选择“全局配置”，进行添加密钥操作。

2.2.2 OBS桶创建

ModelArts使用对象存储服务（Object Storage Service, OBS）进行数据存储以及模型的备份和快照。因此在使用ModelArts之前需要创建桶并用于存放数据。 进入OBS管理控制台，创建OBS桶，新建文件夹，上传自己的训练数据。（OBS属于付费业务/(ㄒoㄒ)/~~）

2.3 模式选择

ModelArts提供三种模型训练方式供用户选择，对业务开发者（没有AI训练经验或者非技术人员）可以使用自动学习模式构建模型，自动学习功能可以根据用户标注的数据自动设计模型，自动调参，自动压缩和部署模型，不需要代码编写和模型开发经验。“开发”人员只需要做三步：标注数据、自动训练、部署模型。对于AI初学者可以使用预置算法构建模型，即利用平台提供的Resnet-50，yolov3等完整成熟的模型进行finetune。对于有开发经验的AI工程师提供AI全流程开发模式。研发人员可以通过提供MXNet、Caffe、Tensorflow框架的训练代码、脚本来进行模型构建，模型训练。当然同时需要上传固定命名的推理代码脚本 customize_service.py 和配置文件 config.json到OBS桶，对模型的输入/输出做一些简单的预处理/后处理。贴个demo如下：

#customize_service.py
import caffe
from model_service.caffe_model_service import CaffeBaseService
LABELS = {
   '0': '0', '1': '1', '2': '2', '3': '3'