分享主题

面向低功耗AI芯片上视觉任务的神经网络设计

分享背景

随着这几年神经网络和硬件（gpu）的迅猛发展，深度学习在很多行业包括互联网，金融，驾驶，安防等领域都得到了广泛的应用。然而在实际部署的时候，许多场景例如无人驾驶，安防等对设备在功耗，成本，散热性等方面都有额外的限制，导致了无法大规模应用深度学习解决方案。在这次分享中我会先介绍下当前做AI芯片的背景，然后讲解怎么从算法角度去设计适合嵌入式平台高效的神经网络模型，用在视觉任务中。

分享嘉宾

黄李超，本科毕业于中山大学，在帝国理工硕士毕业之后于2014年加入了百度深度学习研究院。期间研发了最早的基于全卷积网络的目标检测算法DenseBox, 并在KITTI, FDDB等特定物体检测数据集上长期保持第一名。 2015年作为初创人员加入地平线，现研究方向包括深度学习系统研发，以及计算机视觉中物体检测，语义分割等方向。

分享提纲

1. 介绍当前AI芯片概况，包括现有的深度学习硬件发展情况，以及为何要神经网络去设计专门的芯片。

2. 从算法角度，讲解如何设计高性能的神经网络结构，使其既满足嵌入式设备的低功耗要求，又满足应用场景下的性能要求。

3. 分享高性价比的神经网络，在计算机视觉领域的应用，包括实时的物体检测，语义分割等。

4. 当前，地平线芯片量产流片，产品落地，日益强大；未来，地平线将赋能万物，让每个人的生活更安全、更美好。欢迎理想与才华并存的小伙伴加入地平线，“芯”怀天下，“地”造未来！地平线2019年校招火热进行中，五大方向岗位同步开放，校招小姐姐将带来最全的校招政策解读，回答大家感兴趣的问题。

分享时间

8月29日（星期三） 晚20:00