導(dǎo)語(yǔ):雖然detection在classification基礎(chǔ)上煥發(fā)了春天，但算法的復(fù)雜度確實(shí)增加了不少。對(duì)于底層平臺(tái)來(lái)說(shuō)，雖然看起來(lái)還是一堆卷積，但圖片的增大，帶來(lái)了一些列問(wèn)題。

目標(biāo)檢測(cè)object detection由于除了要識(shí)別what，還要找出where，從算法本身上復(fù)雜了許多。雖然最終實(shí)現(xiàn)端到端檢測(cè)的網(wǎng)絡(luò)是一個(gè)卷機(jī)網(wǎng)絡(luò)，貌似和之前沒(méi)有多大差別，但大圖片除了計(jì)算量增加xx倍意外，圖片的搬移才是給底層計(jì)算平臺(tái)帶來(lái)的最大挑戰(zhàn)，高效的數(shù)據(jù)搬移重要性浮出水面，設(shè)計(jì)的中心從“計(jì)算為主”逐步切換到“計(jì)算加搬移”并重。

對(duì)底層平臺(tái)來(lái)說(shuō)，核心在于理解：

1. 為什么圖片在object detection下越來(lái)越大，這個(gè)是不是其核心訴求？答案是，這個(gè)是第一訴求，從應(yīng)用場(chǎng)景看，detection本身就是識(shí)別多個(gè)物體，提取出小圖片來(lái)識(shí)別的代價(jià)太大；同時(shí)應(yīng)用中物體的遠(yuǎn)近不等，大圖片采集更大的視野也是一個(gè)主要原因。但同時(shí)一個(gè)利好因素是，在端側(cè)應(yīng)用，受限于人眼的識(shí)別能力，圖片識(shí)別的張數(shù)要遠(yuǎn)比在服務(wù)器側(cè)壓力小。

2. 功耗的額要求：在機(jī)器人、無(wú)人車(chē)等應(yīng)用中，和服務(wù)器端相比，功耗是一個(gè)關(guān)鍵因素。

轉(zhuǎn)載于:https://blog.51cto.com/13591395/2103173

總結(jié)

以上是生活随笔為你收集整理的异构计算架构师眼中的AI算法（object detection）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。