科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
周军教授团队在芯片奥林匹克会议ISSCC 2023发表人工智能芯片论文
文:信通学院 图:信通学院 来源:信通学院 时间:2023-03-07 8034

  近日,信息与通信工程学院周军教授团队设计的一款低功耗视觉检测与跟踪专用AI芯片亮相于全球芯片设计领域最高级别会议 IEEE International Solid-State Circuits Conference (ISSCC) ,该会议于2023年2月19日至23日在美国旧金山举行。该芯片相关论文“ DL-VOPU: An Energy-Efficient Domain-Specific Deep-Learning-based Visual Object Processing Unit Supporting Multi-Scale Semantic Feature Extraction for Mobile Object Detection/Tracking Applications”受邀在大会上作为专用AI芯片领域的最新研究成果进行宣讲。ISSCC是世界学术界和企业界公认的芯片设计领域最高级别会议,被称作是芯片设计领域的“奥林匹克会议”,众多芯片历史上里程碑式的发明都是在该会议上首次披露。该论文是电子科大在AI芯片领域的第二篇ISSCC(第一篇ISSCC由周军教授团队于2021年发表)。电子科技大学为该论文唯一单位,周军教授指导的博士生弓育川为第一作者,周军教授为通讯作者。芯片设计团队共包含11位成员,芯片前后端设计工作均在团队内完成。

  近年来,自动驾驶、无人机、智能机器人、AR等计算机视觉应用逐渐兴起,作为相关应用的核心技术之一,基于深度学习的视觉检测与跟踪技术,能够在复杂环境下对视觉目标进行准确的定位、标记和跟踪。然而,与传统图像处理技术相比,深度学习技术在带来高性能的同时也带来了极大的计算复杂度,为芯片的实时低功耗运行带来极大的挑战,不适合小型智能终端设备。针对这一挑战,本工作设计了一款低功耗视觉检测与跟踪专用AI芯片,结合算法、架构、电路多层次协同创新,提出了高效多尺度语义特征计算架构、面向视觉跟踪的自适应计算架构、基于视频流的并行差分计算电路、多维度协同压缩与计算电路等多项技术,在满足准确率和实时性的同时,极大地降低了芯片的功耗,运行视觉检测与跟踪深度神经网络框架的平均功耗仅为约90毫瓦,而采用现有商用AI芯片或GPU芯片运行同样的任务需要几瓦到几十瓦,相比之下功耗降低了数十倍以上。该工作作为相关研究的第一步,为实现下一代体积能量严重受限的微型智能机器人(如智能“蜂群”无人机)、智能穿戴设备(如AR智能眼镜)等提供了可能性,接下来团队将围绕该方向继续开展研究工作。

插图.png

  周军教授团队致力于面向下一代智能感知应用的专用智能处理芯片与系统设计,通过算法与芯片协同创新,构建智能化、低功耗、微型化的解决方案。团队发表了电子科大在AI芯片领域的首篇ISSCC(芯片领域奥林匹克会议)、DAC(芯片领域顶会)和CICC(芯片领域顶会),主持了国家重点研发计划、国家自然基金联合重点、国家自然基金面上等国家级项目,与Intel、商汤等人工智能领军企业建立了人工智能芯片与系统校企联合实验室。团队成员获得中国工程院颁发的“中国工程前沿杰出青年学者”荣誉、四川省科技进步二等奖、中国发明协会发明创新二等奖、吴文俊人工智能技术发明三等奖等。多项发明专利许可或转让到中科曙光、华大电子等知名公司。近年来指导学生多次获得中国研究生创“芯”大赛、中国研究生电子设计竞赛、中国研究生人工智能创新大赛等核心竞赛的全国一等奖。


编辑:赵海玲  / 审核:林坤  / 发布:陈伟