本報訊 不久前的一天，在東北大學渾南校區(qū)信息學館前，計算機科學與工程學院學生蔣承知的腳下有一個小小的、如螃蟹般的機器人緊緊地跟隨著他，寸步不離，正在對他的行為進行“深度學習”，蔣承知則仔細地檢查著機器人的各項參數，并進行詳細記錄。
蔣承知是東北大學的一名本科生，他和同伴于起、葉文強、甘淞元組成的創(chuàng)新團隊，將現場可編程門陣列FPGA神經芯片運用于人工智能深度學習領域，采用卷積神經網絡，嘗試在芯片中模仿人腦以大規(guī)模的平行方式處理信息，目前項目組已成功實現將基于FPGA的神經芯片植入到硬件資源進行深度學習，并獲得大學生創(chuàng)新項目國家級資助。
深度學習是指通過學習樣本數據的內在規(guī)律和深層特征，使神經網絡結構能夠像人一樣具備分析和自主學習新東西的能力，目前該技術在文字、圖像處理、語音識別、機器翻譯等領域，已經取得很多成果。但隨著電子信息技術的發(fā)展，要求計算機能夠更加“任性”地服務于生活，需要機器本身能像人一樣識別與感知周圍的環(huán)境，并對復雜的環(huán)境作出正確的判斷，這對計算機深度學習的便捷性和低成本獲取提出了更高的要求。
目前，深度學習的實現平臺依賴于龐大的CPU/GPU集群，成本很高，在現實生活中很難實現和得到運用。與此同時，傳統(tǒng)的嵌入式處理設備單片機ARM、DSP都無法實現深度學習的實時處理。
FPGA神經芯片作為一款具有現場可編程功能的邏輯門電路元件，有著強大的并行處理數據能力和優(yōu)勢。卷積神經網絡擁有強大的特征提取能力，使其在圖像分類識別、目標跟蹤等領域運用廣泛。蔣承知團隊創(chuàng)新性地將FPGA神經芯片作為能夠實現深度學習的嵌入式處理器，并把能夠極大提升計算機感知識別周圍環(huán)境能力的卷積神經網絡算法應用于基于FPGA的目標跟蹤設備，使設備運行速度大幅提高。經過“流片”（即工業(yè)化試生產）后，體積大幅縮小的神經芯片更適合于嵌入式應用，從而使具備深度學習能力的設備制造成本大大降低。
這項創(chuàng)新技術的運用范圍非常廣泛，可以在目標識別、跟蹤、圖像處理、語音、自然語言等諸多領域實現嵌入式運用，只要設置不同的參數就可以滿足各個場景的需要。例如，將芯片與攝像頭連接，就能直接識別出所需要的目標；將其植入機器人就可以完成目標追蹤等較復雜的任務，市場化應用潛力巨大。下一步，團隊將緊跟技術發(fā)展的潮流研究基于神經芯片的高質量深度相機，使其能應用于智能汽車以及無人駕駛領域，并積極推動神經芯片在“互聯網+”相關領域的廣泛應用。（王鈺慧）
中國-博士人才網發(fā)布
聲明提示：凡本網注明“來源：XXX”的文/圖等稿件，本網轉載出于傳遞更多信息及方便產業(yè)探討之目的，并不意味著本站贊同其觀點或證實其內容的真實性，文章內容僅供參考。
