【摘 要】
：
卷积神经网络复杂的网络结构使得模型计算复杂度高,限制了其在自动驾驶等实际终端场景中的应用.针对终端场景下的计算资源受限的问题,本文从轻量化深度模型设计和车规级芯片模型部署验证两方面进行研究.针对深度模型计算效率和检测精度的矛盾,本文设计了基于中心卷积的轻量化对象检测模型,实现功耗低且精度高的模型性能.进一步,本文基于量化感知训练的模型加速部署方法在车规级芯片上开展了系统级部署验证,在车规级芯片tda4上成功实现了高效的对象检测模型,在自动驾驶场景中取得了良好的性能.
【机 构】
：
清华大学 软件学院 , 北京 100084;清华大学 北京信息科学与技术国家研究中心,北京 100084;涿溪脑与智能研究所,浙江 杭州 311121;清华大学 北京信息科学与技术国家研究中心,北京
论文部分内容阅读
卷积神经网络复杂的网络结构使得模型计算复杂度高,限制了其在自动驾驶等实际终端场景中的应用.针对终端场景下的计算资源受限的问题,本文从轻量化深度模型设计和车规级芯片模型部署验证两方面进行研究.针对深度模型计算效率和检测精度的矛盾,本文设计了基于中心卷积的轻量化对象检测模型,实现功耗低且精度高的模型性能.进一步,本文基于量化感知训练的模型加速部署方法在车规级芯片上开展了系统级部署验证,在车规级芯片tda4上成功实现了高效的对象检测模型,在自动驾驶场景中取得了良好的性能.
其他文献
新一代人工智能是我国在全球第一个面向2030年提出的国家重大发展战略.如何认识新一代人工智能和传统人工智能的不同,了解其内涵、外延、技术特征以及发展目标,从而更好地凝聚研发队伍,是实现这一战略的重要保证.本文围绕新一代人工智能的技术内核,提出十个主要问题,自问自答,大问小答,指出新一代人工智能将从传统的计算机智能跃升为无意识的类脑智能,是人类智能的体外延伸,不涉及生命和意识,由人赋予意图,通过有指导的传承学习和自主学习,能够与时俱进地解释、解决新的智力问题,形成有感知、有认知、有行为、可交互、会学习、自成
如何跨越从跨媒体数据到跨媒体知识所面临的"异构鸿沟"和"语义鸿沟",对体量巨大的跨媒体数据进行有效管理与利用,是发展新一代人工智能亟待突破的瓶颈问题。针对以图像视频为代表的海量网络跨媒体内容,借鉴人类感知与认知机理,本文对跨媒体内容统一表征与符号化表征、跨媒体深度关联理解、类人跨媒体智能推理等关键技术开展研究。基于上述关键技术,着力于解决发展新一代人工智能的知识匮乏共性难题,开展大规模跨媒体知识图
文章阐述了高职院校与建筑企业间构建产学研合作模式的意义,分析了高职院校与建筑企业间的产学研合作模式,探究了高职院校与建筑企业间产学研合作中存在的问题,并提出了相应的策略,以供相关人员借鉴和参考.
解析脑认知原理和脑疾病的发病机制已是当下脑科学研究的热点。智能计算在脑影像领域的应用可为认知心理学研究、脑疾病的识别和干预以及类脑智能理论研究等提供借鉴和参考。本文介绍利用智能影像计算方法在识别脑认知网络成分、构建脑有向连接模型、预测认知行为变化、构建心理过程神经表征等方面的工作,并对未来相关研究进行展望。
人工智能已经上升为国家战略,习近平总书记多次在重要讲话中明确指出:“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手,是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”“人工智能是引领这一轮科技革命和产业变革的战略性技术,具有溢出带动性很强的\'头雁效应\'”.作为全球竞相争夺的科技制高点,人工智能将在人类未来发展进程中发挥不可替代的重要作用.
当前机器学习等算法的计算、迭代过程日趋复杂,充足的算力是保障人工智能应用落地效果的关键.本文首先提出一种适应倾斜数据的分布式异构环境下的任务时空调度算法,有效提升机器学习模型训练等任务的平均效率;其次,提出分布式异构环境下高效的资源管理系统与节能调度算法,实现分布式异构环境下基于动态预测的跨域计算资源迁移及电压/频率的动态调节,节省了系统的整体能耗;然后构建了适应于机器学习/深度学习算法迭代的分布式异构优化环境,提出了面向机器学习/图迭代算法的分布式并行优化基本方法.最后,本文研发了面向领域应用的智能分析
本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍.该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率.其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式.然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求.最后,本文成果研发了面向基础教育的智能教育