1、调研当前主流神经网络,对thinkerII、thinkerII+、thinkerIII芯片提供算法和验证数据支持。
2、对主流神经网络(包括mnist、cifar10、alexnet、vgg16、googlenet、resnet)进行BWN、TWN、
BNN、Xnornet和稀疏化研究,支持发表N篇高水平论文。
3、带领团队开发caffeFaceV1.0工具,一键实现自动化人脸识别训练的。该工具包含mtcnn、facebox、
centerFace、mobilenetV1、mobilenetV2、shufflenet、sphereFace等主流人脸检测和识别框架,支持
BNN、BWN、TWN、DNS、INQ和Xnornet的一键训练。
4、开发基于centerFace的人脸识别识别系统,lfw的识别率为99.33%。包括年龄、性别、表情和活
体检测。
5、开发基于mobileFaceNet的人脸抓拍识别系统。可以对视频中的人脸进行跟踪、清晰度判断进行
抓拍,对人脸进行识别包括年龄、性别、种族。
6、开发基于tx2的车型识别系统。对视频流中的车辆进行检测,采用ssd-mobilenet方案,优化后
检测速度可达40~50帧/s,同时可对车道、车型、颜色、品牌和车牌进行识别。
7、行人属性识别demo。采用caffe-moon和mobileFaceNet,对行人属性进行分类,包括年龄、性别、
穿着、是否背包和戴眼镜等。
8、服装图案风格廓形类型识别系统。采用resnet50和以图搜图的双重方案进行分类。
9、对团队进行关于深度学习、低比特量化、模型压缩和人脸识别方法的培训。