基于蒸馏学习的3D点云分析优化方案
人工智能学院
Optimization scheme of 3D Point cloud analysis based on knowledge distillation
人工智能产业化是人工智能领域发展的必经之路,比如医学检测分析、自动驾驶汽车,人脸识别系统等;将AI从一场高门槛的科技巨头竞赛变成普惠民生的智能生态是广大科研人员的使命。同时,随着视觉技术,算法,算力,数据库,芯片等的不断完善,人工智能功能性强大之余也使落地应用的软硬件越发复杂与庞大,人工智能算法的复杂度急剧攀升,神经网络计算的能耗代价越来越高,数据洪水式地涌积堰塞……这些都将成为人工智能未来发展的掣肘,如何将人工智能应用及其计算载体轻量化成为亟待解决的问题。然而人工智能的应用对于模型的准确率提出了较高的要求,不得不承认的是,虽然人工智能产品已经进入了人们的日常生活,但大量产品由于准确率低导致交互体验差。我们将从优化的角度解决轻量级模型性能降低的问题,设计一个通用的优化框架提升一类模型的表现。