面向低功耗 AI 晶元上視覺任務的神經網路設計

我們常說企業就是為了掙錢，學校就是可以安心做純粹科研的象牙塔，但在計算機領域，企業和學校，或者說工業界和學術界之間的人才流動、交流合作非常多，企業也都有自己的技術追求。

深度學習時代的新變化

深度學習時代的業界學界互動依然密集，常有企業與高校合作設立聯合實驗室、邀請高校教授擔任高管領導數據驅動決策的相關業務，企業自己的實驗室也頻頻向學術會議投遞論文並收穫頗豐：BAT 分別有研究性質濃厚的百度研究院、阿里達摩院、騰訊 AI Lab 和優圖實驗室，每年產出大量各個方向的頂會論文；京東、滴滴有學術性質的實驗室，向數據挖掘方向高速進發；商湯、曠視、優必選等技術導向的 AI 公司更是論文和比賽捷報頻出。

在全世界的人工智慧大潮中，中國的影響力也越來越大，正在從目前的「優秀的技術實踐者」，逐漸補上「新技術的發現者」的角色。其中一部分力量當然來自於高校的學者們，中國 AI 企業們積極的技術研發和學術研究熱情也值得讚揚。

雷鋒網 AI 研習社也順應大潮，設立新的直播頻道「職播間」，依託雷鋒網 AI 研習社社群和雷鋒網在 AI 行業的影響力，邀請中國 AI 企業的工程師、管理者們講解自己企業的研發成果和技術追求，讓更多人看到中國 AI 勢力的全面發展。我們希望幫學術青年打消一些疑慮、打破一些界限，在高校中就看到技術在企業中的實際應用成果，看到在企業中繼續進行面向解決方案的技術研發、但同時也保持學術性科研的職業路徑的可能性，同時也是為企業提供宣講、招聘 AI 工程師的渠道。

「職播間」歡迎各個高校實驗室和企業研究院聯繫參與。企業研究院參與職播間也將在雷鋒網學術頻道 AI 科技評論旗下資料庫項目「AI 影響因子」中加分，歡迎聯繫我們。

第二期分享預告

分享主題

面向低功耗AI晶元上視覺任務的神經網路設計

分享背景

隨著這幾年神經網路和硬體（gpu）的迅猛發展，深度學習在很多行業包括互聯網，金融，駕駛，安防等領域都得到了廣泛的應用。然而在實際部署的時候，許多場景例如無人駕駛，安防等對設備在功耗，成本，散熱性等方面都有額外的限制，導致了無法大規模應用深度學習解決方案。在這次分享中我會先介紹下當前做AI晶元的背景，然後講解怎麼從演算法角度去設計適合嵌入式平台高效的神經網路模型，用在視覺任務中。

分享嘉賓

黃李超，本科畢業於中山大學，在帝國理工碩士畢業之後於2014年加入了百度深度學習研究院。期間研發了最早的基於全卷積網路的目標檢測演算法DenseBox, 並在KITTI, FDDB等特定物體檢測數據集上長期保持第一名。 2015年作為初創人員加入地平線，現研究方向包括深度學習系統研發，以及計算機視覺中物體檢測，語義分割等方向。

分享提綱

1. 介紹當前AI晶元概況，包括現有的深度學習硬體發展情況，以及為何要神經網路去設計專門的晶元。

2. 從演算法角度，講解如何設計高性能的神經網路結構，使其既滿足嵌入式設備的低功耗要求，又滿足應用場景下的性能要求。

3. 分享高性價比的神經網路，在計算機視覺領域的應用，包括實時的物體檢測，語義分割等。

4. 當前，地平線晶元量產流片，產品落地，日益強大；未來，地平線將賦能萬物，讓每個人的生活更安全、更美好。歡迎理想與才華並存的小夥伴加入地平線，「芯」懷天下，「地」造未來！地平線2019年校招火熱進行中，五大方向崗位同步開放，校招小姐姐將帶來最全的校招政策解讀，回答大家感興趣的問題。

分享時間

8 月 29 日（星期三）  20:00

直播鏈接

http://www.mooc.ai/open/course/537

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！