阿里AI再获图像识别冠军,可将深度学习算法压缩100倍

2019-08-30 14:47

7月30日消息,在CVPR 2019的低功耗图像识别挑战赛(LPIRC,Low-Power Image Recognition Challenge)上,阿里AI获得在线图像分类任务第一名。阿里AI识别百万图像的算法,在手机上也能跑起来了。

CVPR是计算机视觉领域的顶级学术会议,低功耗图像识别挑战赛由IEEE Rebooting Computing(RC)项目负责发起,通过识别准确率、执行速度和能量消耗三项指标,考察AI视觉识别技术在轻量级设备上的表现。

阿里AI参加了挑战赛三项任务之一的在线图像分类。比赛使用Pixel 2手机,要求AI在10分钟内分类20000张图像,考察分类速度和精度。

LPIRC2019官网宣布的比赛结果,阿里AI获得在线图像分类任务第一名

挑战赛使用Imagenet数据集作为训练数据,AI学习了约120万张涵盖1000个类别的图像,实现67.4%的分类精度,比官方提供的基准线高3.5%。在最终的测试中,阿里AI实现了23ms的单张图片分类速度,排名第一。

这项技术可将深度学习算法压缩40到100倍,便捷地部署于端侧设备,在智能手机、自动驾驶、工业自动化等领域应用前景广阔。

好的深度学习模型通常拥有复杂的结构和巨大的参数量,必须借助云端的大数据处理能力和高性能芯片的算力运行。如果移到端侧,就得搭载体积大、功耗高的设备。比如无人车,它们在行驶过程中实时收集大量路况数据,一部分在云端处理,一部分在本地处理。相比云端计算,本地计算不容易受时延影响,但受限于功耗,本地服务器能够承担的任务很有限。

阿里AI能够识别百万图片,现在这套算法在手机端也能跑起来

阿里达摩院线下智能团队为端侧人工智能提供了解决方案。基于目前主流的移动端轻量级网络,该团队设计了一个快速小型网络,在低分辨率图像输入情况下仍能保持较高的分类精度。利用量化技术,该模型还可进一步压缩,在几乎无损精度的同时提升速度。

如果把该算法部署于无人车,就能在维持原有性能的前提下大大降低处理器功耗;或在不牺牲功耗的情况下大大提升处理器性能,甚至将部分云端处理任务挪到本地。

目前,这项技术已在卫星遥感影像分析上显示威力。卫星遥感影像常被用来监测土地、河流等自然资源,单张影像大小以GB为单位。同样规模的影像分析任务,传统人力方法需要几个月,交给AI则只要几分钟。部署在GPU服务器、TX2端上盒子等的低功耗图像识别技术,能以非常高的精度、极速完成海量图片识别。

扫描二维码分享到微信

在线咨询
联系电话