应用于智能芯片的可视化反馈系统研究

摘要：

当前,市场上普遍使用的负责推理的终端人工智能(AI)芯片使用训练好的参数对数据进行快速高效运算.但在通常训练过程中使用的数据集和真实数据的分布不一致,由此获得的参数会导致终端AI芯片识别准确度降低.为此,提出了一种基于终端AI芯片的可视化反馈系统架构方法.使用反卷积特征可视化方法,在具有高效计算性能的终端AI芯片上,对卷积核参数进行迭代优化,达到可识别该图像目的.相比于CPU/GPU和FPGA,所提架构在卷积神经网络模型里,更具有高效处理能力和灵活可塑性.实验表明,该研究有效提高了终端AI芯片的普适性、识别准确度和处理效率.

关键词：深度学习、终端人工智能(AI)芯片、卷积层可视化、卷积核参数优化、小样本

所属期刊栏目：46

分类号：TP183(自动化基础理论)

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1494-1502