圖像識(shí)別和GPU相輔相成，特別是在使用深度神經(jīng)網(wǎng)絡(luò)（DNN）時(shí)。基于GPU的DNN在圖像識(shí)別領(lǐng)域的優(yōu)勢(shì)已經(jīng)在過(guò)去幾年在ImageNet大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)（ILSVRC）中的成功得到了明確的證明，DNN最近實(shí)現(xiàn)了與訓(xùn)練有素的人類相媲美的分類準(zhǔn)確性，如圖1顯示。新的低功耗圖像識(shí)別挑戰(zhàn)（LPIRC）突出了移動(dòng)和嵌入式設(shè)備上圖像識(shí)別的重要性。

具有卷積層的DNN是具有生物啟發(fā)性的人工神經(jīng)網(wǎng)絡(luò)。這些網(wǎng)絡(luò)可能有五層或更多層，每層都有許多神經(jīng)元。類似于突觸的鏈接連接層，將信息轉(zhuǎn)發(fā)到下一層。培訓(xùn)過(guò)程調(diào)整鏈接上的權(quán)重，提高網(wǎng)絡(luò)對(duì)呈現(xiàn)給它的信息進(jìn)行分類的能力。用于訓(xùn)練DNN的數(shù)據(jù)越多，其分類性能就越好。這種大數(shù)據(jù)需求導(dǎo)致了GPU的大量使用，因?yàn)镚PU在高度并行計(jì)算（如深度學(xué)習(xí)中使用的那些計(jì)算）上的高吞吐量設(shè)計(jì)。

ImageNet是一個(gè)很好的圖像資源，它擁有一個(gè)根據(jù)描述性名詞層次組織的大型圖像數(shù)據(jù)庫(kù)。ImageNet每年都會(huì)舉辦ILSVRC，為此參賽者開(kāi)發(fā)了用于準(zhǔn)確識(shí)別圖像中物體的算法。ImageNet提供了來(lái)自1000個(gè)不同對(duì)象類別的超過(guò)120萬(wàn)張圖像的大型圖像集，用于訓(xùn)練識(shí)別算法。學(xué)術(shù)界和工業(yè)界的參與者表現(xiàn)強(qiáng)勁，近年來(lái)與Google，斯坦福大學(xué)，加州大學(xué)伯克利分校和Adobe等競(jìng)爭(zhēng)對(duì)手表現(xiàn)強(qiáng)勁。

低功耗挑戰(zhàn)

為了促進(jìn)低功耗設(shè)備的圖像識(shí)別，普渡大學(xué)電氣和計(jì)算機(jī)工程副教授Yung-Hsiang Lu和UNC Chapel Hill計(jì)算機(jī)科學(xué)助理教授Alex Berg正在組織低功耗圖像識(shí)別挑戰(zhàn)（LPIRC），這是一場(chǎng)專注于識(shí)別圖像識(shí)別和節(jié)能最佳技術(shù)的競(jìng)賽。LPIRC的注冊(cè)現(xiàn)已開(kāi)放。

實(shí)現(xiàn)高性能同時(shí)保持低功耗可能具有挑戰(zhàn)性，因?yàn)檫@兩個(gè)參數(shù)經(jīng)常一起增加。去年，NVIDIA發(fā)布了Jetson TK1開(kāi)發(fā)套件，這是一款非常適合圖像處理和計(jì)算機(jī)視覺(jué)應(yīng)用的低功耗GPU加速計(jì)算平臺(tái)。Jetson TK1的低功耗要求和圖像處理能力將使其成為L(zhǎng)PIRC競(jìng)爭(zhēng)對(duì)手的熱門(mén)平臺(tái)。

用于LPIRC的示例性任務(wù)包括在圖像中定位和分類對(duì)象，包括識(shí)別多個(gè)對(duì)象。許多ILSVRC團(tuán)隊(duì)在年度ImageNet競(jìng)賽中使用CNN，他們很可能是為L(zhǎng)PIRC部署的機(jī)器學(xué)習(xí)體系結(jié)構(gòu)之一。訪問(wèn)LPIRC網(wǎng)站了解有關(guān)重要日期和競(jìng)賽任務(wù)的信息。

免費(fèi)Jetson TK1參與團(tuán)隊(duì)開(kāi)發(fā)工具包

Jetson TK1將成為本次比賽團(tuán)隊(duì)的一項(xiàng)重要資產(chǎn)，峰值功率需求低于12.5瓦。Jetson TK1支持CUDA，cuDNN，OpenCV和流行的深度學(xué)習(xí)框架，如Caffe和Torch。Jetson本質(zhì)上是一個(gè)微型超級(jí)計(jì)算機(jī)，可以直接與顯示器，鍵盤(pán)和鼠標(biāo)或通過(guò)ssh連接使用，它預(yù)裝了Ubuntu Linux，因此入門(mén)很容易。

作為L(zhǎng)PIRC的贊助商，NVIDIA為參賽車(chē)隊(duì)提供免費(fèi)的Jetson TK1開(kāi)發(fā)工具包，每位獲勝者將獲得NVIDIA GPU。如果您的團(tuán)隊(duì)想要為L(zhǎng)PIRC使用Jetson TK1，請(qǐng)填寫(xiě)此申請(qǐng)表。NVIDIA將審查提案并為選定的申請(qǐng)人提供TK1 DevKits。

我的Jetson TK1深度學(xué)習(xí)設(shè)置

將訓(xùn)練有素的網(wǎng)絡(luò)移植到Jetson TK1并進(jìn)行分類很容易。圖1顯示了我的設(shè)置。對(duì)于額外的磁盤(pán)空間，我添加了一個(gè)外部硬盤(pán)驅(qū)動(dòng)器并使用SATA接口連接它。我使用4端口USB 3.0集線器通過(guò)鼠標(biāo)和鍵盤(pán)以及更多硬盤(pán)直接連接。

我在我的Jetson TK1上制作了Caffe，所以我可以將它用于分類。Caffe的網(wǎng)絡(luò)演示例子是一個(gè)簡(jiǎn)單而簡(jiǎn)單的測(cè)試方法。Web演示在Jetson TK1上運(yùn)行Web服務(wù)器，并且需要包含預(yù)訓(xùn)練網(wǎng)絡(luò)的BVLC參考CaffeNet輔助數(shù)據(jù)。一旦建立并運(yùn)行，使用Jetson TK1的IP地址端口500（例如192.168.1.5:5000）從本地網(wǎng)絡(luò)上的任何設(shè)備訪問(wèn)演示。您可以使用以下-g標(biāo)志以GPU加速運(yùn)行Web演示：

python examples / web_demo / app.py -g

如下表所示，我使用該演示對(duì)具有和不具有GPU加速功能的五個(gè)圖像進(jìn)行分類，以便使用Tegra K1的GPU與其CPU進(jìn)行分類，從而加快分類速度。

今天注冊(cè)低功耗圖像識(shí)別挑戰(zhàn)！

LPIRC的注冊(cè)現(xiàn)已開(kāi)放。比賽將于2015年6月7日在設(shè)計(jì)自動(dòng)化大會(huì)上舉行，所以現(xiàn)在就組建一個(gè)團(tuán)隊(duì)，并為您的團(tuán)隊(duì)填寫(xiě)免費(fèi)的NVIDIA Jetson TK1開(kāi)發(fā)板的應(yīng)用程序。