异构计算架构师眼中的AI算法(object detection)
2018-04-13 18:00
1081 查看
导语:虽然detection在classification基础上焕发了春天,但算法的复杂度确实增加了不少。对于底层平台来说,虽然看起来还是一堆卷积,但图片的增大,带来了一些列问题。
目标检测object detection由于除了要识别what,还要找出where,从算法本身上复杂了许多。虽然最终实现端到端检测的网络是一个卷机网络,貌似和之前没有多大差别,但大图片除了计算量增加xx倍意外,图片的搬移才是给底层计算平台带来的最大挑战,高效的数据搬移重要性浮出水面,设计的中心从“计算为主”逐步切换到“计算加搬移”并重。
[p]对底层平台来说,核心在于理解:
[/p]
1. 为什么图片在object detection下越来越大,这个是不是其核心诉求?答案是,这个是第一诉求,从应用场景看,detection本身就是识别多个物体,提取出小图片来识别的代价太大;同时应用中物体的远近不等,大图片采集更大的视野也是一个主要原因。但同时一个利好因素是,在端侧应用,受限于人眼的识别能力,图片识别的张数要远比在服务器侧压力小。
2. 功耗的额要求:在机器人、无人车等应用中,和服务器端相比,功耗是一个关键因素。
相关文章推荐
- 我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集
- 我的AI之路(22)--使用Object_Detection_Tensorflow_API
- object-detection-crowdai数据处理
- 深度学习(二)object detection 常用算法与应用
- 【目标检测】Object Detection Fast RCNN 算法解析
- 【目标检测】Object Detection Faster RCNN算法解析
- BFM算法轮廓--基于文章 A Boundary-Fragment-Model for Object Detection
- 我的AI之路(18)--Tensorflow的模型安装之object_detection
- 对象检测(object detection)算法图解
- DeepLearning.ai作业:(4-3)-- 目标检测(Object detection)
- 目标检测--Single-Shot Refinement Neural Network for Object Detection
- 使用TensorFlow Object Detection API进行图像物体检测
- INRIA目标检测和定位工具包 INRIA Object Detection and Localization Toolkit
- 【论文】Efficient compressed sensing based object detection system for video surveillance application
- 【深度学习:目标检测】RCNN学习笔记(1):Rich feature hierarchies for accurate object detection and semantic segmentat
- Tensorflow Object Detection API 源码分析之 core/standard_fields.py
- Scalable Object Detection using Deep Neural Networks(泛读)
- 【CV论文阅读】YOLO:Unified, Real-Time Object Detection
- 【深度学习论文笔记:Recognition】:Deep Neural Networks for Object Detection