清大資工系林永隆教授研究團隊鎖定高解析串流分析,清大開源 ... | 全台避難所資訊
2019年12月17日—最近清大資工系教授林永隆帶領的研究團隊,以DenseNet為基礎,開發了一個低記憶體資料流(LowMemoryTraffic)的CNN架構,稱為HarDNet ...
清大研究團隊改良了DenseNet架構,減少了架構中的捷徑連結,來降低記憶體搬運次數,藉此達到提升運算速度的效果,且同時維持高辨識準確率與高運算量。
清大研究團隊提出了新的CNN架構HarDNet,由於HarDNet的資料搬運次數較少,所以可以在低錯誤率、高運算量的情況下,保持快速的推論速度。
自駕車上路的關鍵是,得先快速、準確分辨出路上人、車和物體,能夠更快更準確地進行影片的圖像語義分割 (Semantic Segmentation),決定了操控AI安全駕駛的反應能力,如何單靠車上AI主機提供到毫秒級辨識推論,是自駕車AI的一大挑戰。清大一個研究團隊,最近開源了自己改良的新CNN架構,找到了能加快推論速度的關鍵作法。
最近清大資工系教授林永隆帶領的研究團隊,以DenseNet為基礎,開發了一個低記憶體資料流(Low Memory Traffic)的CNN架構,稱為HarDNet。研究團隊指出,運用該架構訓練的模型進行影像分類任務,推論時間比常用的ResNet-50架構縮短了30%,若是進行物件偵測與識別的任務,則比SSD-VGG縮短了45%。而這個架構在今年10月底的ICCV會議發表,且已在GitHub開源。
清大研究團隊成員阮郁善表示,Memory Traffic是指資料進出記憶體的次數。以DenseNet來說,會造成大量資料進出記憶體,是因為該架構中每一層都有捷徑(Shortcut)的連結,這也意味著,每一層擷取的特徵值(Feature),都會保留到最後一層來運算,而且,保留下來的特徵值也會到下一層擷取更細節的特徵值,如此一來,造成資料搬運次數多,就會耗費許多運算時間。
因此,研究團隊減少了DenseNet架構中,層數(layer)之間的捷徑,來降低資料搬運次數、加快運算時間,不過,捷徑減少後,由於擷取的特徵值變少,模型準確率也會下降。於是,研究團隊也改變了DenseNet每一層的權重數,也就是...
Professor Youn-Long Lin (林永隆) | 全台避難所資訊
【科技部新聞稿】全球頂尖的深度學習硬體加速器技術台灣研究 ... | 全台避難所資訊
創鑫智慧股份有限公司 | 全台避難所資訊
執行半導體射月計畫林永隆團隊成果豐 | 全台避難所資訊
專訪林永隆研發長 | 全台避難所資訊
林永隆 | 全台避難所資訊
林永隆教授的叮嚀 | 全台避難所資訊
清大資工系林永隆教授研究團隊鎖定高解析串流分析,清大開源 ... | 全台避難所資訊
課程:Deep Learning 簡介-林永隆教授 | 全台避難所資訊
基隆市暖暖區八堵里緊急避難地點:基隆高中
縣市及鄉鎮市區:基隆市暖暖區村里:八堵里避難收容處所地址:源遠路20號避難收容處所名稱:基隆高中預計收容人數:347預計收容村...