2017计算机科技前沿,捷报频传 深鉴科技斩获2017 CCF科学技术一等奖

10月27日,中国计算机学会科学技术奖颁奖大会在福州召开。深鉴科技以稀疏化神经网络压缩与硬件加速的研究(Research of Model Compression and Hardware Acceleration for Sparse Neural Network)斩获2017中国计算机学会科学技术奖技术发明一等奖。这是继获ICLR、FPGA等国际学术组织会议最佳论文奖后,深鉴又得国内计算机领域最高学会的相关奖项。

40af433e2b3b3b744828ede4db10366a.png

CNCC 2017 颁奖典礼

中国计算机学会科学技术奖是中国计算机学会设立的计算机领域重要奖项,由CCF科学技术奖评奖委员会组织评选。旨在奖励计算机及其相关领域的优秀科技成果。计算机大会奖项分为三个类别,其中技术发明奖主要奖励计算机系统或相关产品中重要的技术发明或技术突破。深鉴科技凭借稀疏化神经网络压缩与硬件加速的前沿研究,荣获技术奖技术发明一等奖。该研究主要聚焦稀疏化神经网络处理的技术路线,提出的Deep Compression算法可提升压缩倍数而不损失预测精度,并搭载深度学习处理架构来实现加速。

在颁奖大会上,深鉴科技展示了团队的各项荣誉及技术。当深鉴聚焦于稀疏化神经网络压缩与硬件加速时,该领域在国内尚处于起步阶段。深鉴提早布局并坚持深耕技术,仅用一年时间就率先突破深度学习压缩、稀疏化方向的研究,获得ICLR2016最佳论文。随后又对稀疏神经网络处理器进行研究,荣获FPGA2017最佳论文。

同时深鉴迅速将研究理论转化为专利技术,开发出针对于卷积神经网络(CNN)的Aristotle架构和针对于稀疏深度神经网络(DNN)与循环神经网络(RNN)的Descartes架构。基于以上先进技术又进一步拓展研发出一系列深度学习处理平台等产品。通过丰富的业界奖项和技术成果,深鉴科技向学术界与行业展示了团队在深度学习、深度压缩、硬件加速多个人工智能赛道的领先性。

当天深鉴科技联合创始人汪玉博士也受邀在“深度学习芯片的技术与产业”论坛中分享了深鉴从算法软件框架到硬件底层加速的全工作流程核心技术,并同步展示深鉴自主研发的中国首个深度学习开发SDK(DNNDK? )和各硬件平台方案。

dfea0603bc1f711cea57e43a949bd05f.png

汪玉博士受邀发表演讲

据悉,以上成果已在10月24日的新品发布会上亮相业界。而10月29日,深鉴再度携新品参展深圳安博会。进一步推进智能方案深入市场,稳步实现技术端向产业端的转化。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值