2019年9月24日青年博士论坛预告

时间：9月24日(周二) 10:30-11:30

地点：仙林校区计算机学科楼327会议室

报告人:李康

题  目：基于外观预测的全卷积孪生神经网络目标跟踪算法

摘  要:

目标跟踪研究的是在仅给出目标在第一帧位置的前提下，在余下的视频帧中定位目标的问题。基于判别模型的跟踪算法往往根据初始化的目标外观训练分类模型将目标与背景分开，然后在候选样本中选择具有最高“目标类”得分的样本作为当前帧目标。从直觉上来说，若已知目标在某一帧的外观表达，则算法能够更精准地定位目标所在帧中的位置。我们针对基于判别模型的全卷积孪生网络跟踪算法（SiamFC），设计了一套目标外观预测策略来提高跟踪的鲁棒性。并在此基础上，设计了模型动态更新以及位置优化策略。实验表明，基于外观预测策略的算法在跟踪具有较大外观变化和尺度变化的目标时具有更高的精准度。

报告人简介:

李康，男，博士，1986年生于安徽省亳州市。2008年于安徽大学获得管理学学士学位；2012年于华中师范大学获得计算机应用技术硕士学位；2016年于武汉大学获得计算机应用技术博士学位；2017年1月至今在湖北大学计算机与信息工程学院任讲师。其中，2018年9月至2019年9月获得国家留学基金委资助公派前往美国常青藤名校宾夕法尼亚大学计算机与科学工程系做访问学者，师从于蒋陈凡夫副教授从事计算机图形图像的研究工作。在科研项目方面，已主持湖北省自然科学基金一项，参与国家自然科学基金青年项目和面上项目各一项，总经费达100余万元。目前，以第一作者身份在国内外期刊发表论文8篇，其中包括SCI4篇（引用140余次），EI两篇，获已授权国家发明专利3项。2012年至今，李康博士一直从事计算机视觉方面的研究工作，致力于研究鲁棒的目标跟踪算法。

报告人:陈小柏

题  目：面向边缘终端的低功耗人工智能芯片及系统设计

摘  要:

随着人工智能技术在移动通信，金融，安防，自动驾驶等领域的大范围应用，带来了面向人工智能技术的新的计算需求。传统的CPU，GPU等指令驱动的计算平台难以支持密集计算和超大数据通信的人工智能技术，且在储能有限的移动终端设备中，高达上百瓦的功耗也难以长时间支持人工智能技术应用。针对边缘终端设备中人工智能计算的算力，功耗和灵活性的瓶颈，报告人设计了算力充足，低功耗，高灵活性的人工智能计算方案。通过对算法，指令集，编译工具，硬件（芯片）的软硬协同设计，来获得支持所有主流神经网络算法的高灵活性，以及在55nm中芯国际工艺下的芯片高达2.2 Tops/W的计算能效。在软件层面，报告人提出了面向神经网络的专用指令集，此指令集携带并行参数和数据复用信息，同时设计相应指令生成器来解析神经网络算法，通过获取硬件计算和存储资源信息来综合生成优化执行的指令。在硬件层面，根据神经网络计算形式和数据特点，设计了查表乘法阵列和可重构计算引擎，在低位宽计算中获得相比常规乘法器阵列79%的能效优势。根据数据储存需求的结构性变化，设计了多层卷积层流水线计算技术，使神经网络计算过程中的高功耗代价的片外通信的需求得到显著降低甚至降低到0，从而大幅降低芯片的整体功耗。  

报告人简介:

陈小柏，男，中山大学-卡耐基梅隆大学联合工程学院联合培养博士，主要研究方向为计算机体系结构，人工智能专用集成电路设计。读博期间作为第一作者发表了4篇SCI/EI学术论文（其中2篇trans期刊，分别为电路与系统领域顶级期刊TCSVT，超大规模集成电路领域顶级期刊TVLSI），并在2017年吉隆坡，2018年美国夏威夷举办的两次APSIPA ASC学术会议上做人工智能芯片研究的口头报告。设计并流片的低功耗神经网络芯片的能效达到2.2 Tops/W，为2018年最优设计，领先国内外同行工作。申请了3项发明专利以及1项集成电路布图，并担任IEEE TVLSI，TCAS，TVLSI的学术审稿人。曾在微软亚洲研发集团，联想研究院任职工程师和研究员，并联合创建知名AI芯片初创企业真微科技，担任总裁和首席科学家，推进低功耗AI芯片技术发展和技术商业化。