专题链接

学术看板 当前位置:网站首页 > 专题链接 > 学术看板

机器学习与人工智能讲座:知识嵌入的视觉推理及深度神经网络芯片加速

作者:董乐 来源:网络智能与安全实验室 阅读次数:393日期:2019/05/17

一、主题:融合知识表达学习的视觉推理模型和应用 深度神经网络的FPGA芯片加速

二、主讲人:陈添水(博士)  苏江(博士)

三、时间:2019年5月21日(周二)10:00-11:30

四、地点:清水河校区主楼教工之家

五、主持人:信息与通信学院 曾辽原 副教授

六、内容简介:

  近年来,随着深度学习技术的日趋成熟,传统计算机视觉任务(例如,图像分类、物体检测等)取得了巨大的发展。现有基于深度学习的视觉识别算法主要是基于外观信息设计模型,然而,视觉理解不仅仅依赖于其外观信息,往往还需要高层常识知识的推理。人类之所以能够比较透彻地理解其看到的视觉场景,是因为了解很多领域关联的先验常识知识,并能够据此进行有效的学习和推理。另外,为满足机器人、无人驾驶汽车等高度智能化应用的需求,视觉任务不仅仅需要检测物体的类别和位置等低层信息,还需要推理图像视频的高层逻辑信息,如场景物体视觉关系检测、人物的社会关系理解以及进一步机器人高层任务规划等,而理解这些高层视觉信息更加依赖于常识知识的推理。陈添水博士在本报告主要介绍一系列融合先验知识表达学习的视觉推理模型,以及其在大规模图像理解和高层语义推理的应用。

  深度学习技术的成熟,离不开硬件资源性能的提升,而AI芯片是其中的重要一环。AI芯片的研究在2015年后进入了研究的高点。典型的企业级AI芯片包括寒武纪,TPU,微软 Brainwave,Mit Eyeriss系列构架等。它们在学术界与工业界获得了值得注意的关注,也收获了众多领域应用的成功落地。苏江博士在本报告中将对2015年至今,神经网络加速器设计在学术界与工业界的发展进行综述,其中包括产业界的设计方案迭代,科研领域的研究重点变迁等话题,最后提出讲者对未来AI芯片设计趋势的判断与展望。

七、主讲人简介:

  陈添水目前在暗物智能科技(DMAI)计算机视觉部门担任主任研究员职位。 博士毕业于中山大学, 主要研究知识嵌入的视觉推理模型,同时担任香港理工大学研究助理。目前的研究兴趣包括计算机视觉、深度学习和图形推理。在国内外顶级学术期刊和学术会议上发表论文10余篇。曾为TIP、TMM、TNNLS、CVPR2019、ICCV2019等多家学术期刊和会议担任审稿。他是2017年IEEE ICME Best Paper Diamond Award的获得者。

  苏江目前在DMAI异构芯片设计与模型优化部门担任研究副总监。 博士毕业于英国帝国理工学院电子与电气工程学院, 主要研究深度神经网络的FPGA芯片加速 ,同时为英国剑桥大学计算机学院博士后。研究内容包括深度神经网络计算中的模型级和数据级冗余性。通过模型去冗余以及定制数据通路设计,达到高效的FPGA范片计算效率。获帝国理工学院,IEEE系全额奖学金,2013-2017;中国计算机学会CCF百名优秀本科毕业生奖(CCF-OUA奖),2012;全美大学生数学建模特等奖(最高奖)(全球比例0.3%),2012。

八、主办单位:计算机科学与工程学院(网络空间安全学院)