成果介绍
本成果针对大数据环境下的高通量视觉计算挑战,从理论、方法和应用三个方面入手,探索任务内在关联性与计算结构并行性的多层次匹配,以及视觉数据分析的高通量综合优化的问题。提出了一系列视觉计算相关性分析方法,研究了视觉特征的高通量计算,搭建了基于高通量计算的视觉大数据检索和网络特定视觉内容监管两个演示系统。成果支撑华为公司开发了大规模视觉 UI 资产库的快速检索与交互系统,帮助华为 UI 设计师更快更准地检索和生成参考素材。成功开发了面向监控场景的真实人脸增强与识别系统,显著提升了监控场景下人脸图像的质量及识别率。
成果亮点
(1) 与基于 GPU 的机器(DGX-1 和 1080Ti)相比,本成果设计的分形机器学习计算机实例的平均性能提高了 2.82 倍、5.14 倍,效率提高了 8.37倍、11.39 倍,面积成本分别降低了 74.5%和 93.8%;
(2) 与原始的 Winograd 相比,本成果提出的 DWM 能够支持所有类型的卷积,卷积运算速度提高约 2 倍,并且不会影响精度;
(3) 提出的判别性深度量化哈希网络达到了 35-49 倍的网络压缩比率,并在大规模人脸图像检索方面取得了当时先进的效果。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料