北理工團隊獲CCF-A類頂級會議MobiCom 2021最佳社區(qū)論文亞軍
發(fā)布日期：2022-04-06 供稿：計算機學(xué)院 韓銳
編輯：林婷 審核：丁剛毅 閱讀次數(shù)：
近日,，CCF-A類頂會ACM MobiCom 2021宣布最佳論文獎項,，北京理工大學(xué)計算機學(xué)院王國仁教授,、劉馳教授,、韓銳副教授團隊獲得最佳社區(qū)論文亞軍（Best Community Paper Runner-up Award）,。這是27年來中國大陸研究團隊以第一作者單位第三次獲獎,。MobiCom會議是移動計算和計算機網(wǎng)絡(luò)領(lǐng)域難度最大、影響力最高的國際學(xué)術(shù)會議之一,，在學(xué)術(shù)界和工業(yè)界均有極高影響力,。MobiCom2021大會共收到299篇有效投稿，授予最佳論文獎4項,，比例僅為1.34%,。論文主要完成人張青龍，作為本科生在大四階段完成此工作,，曾獲2021年北京市優(yōu)秀本科畢業(yè)設(shè)計,，目前在韓銳副教授的指導(dǎo)下攻讀碩士研究生。
獲獎?wù)撐念}為《LegoDNN: Block-grained Scaling of Deep Neural Networks for Mobile Vision》,。隨著智能手機等邊緣設(shè)備數(shù)量的爆炸式增長和人工智能技術(shù)的發(fā)展,，深度神經(jīng)網(wǎng)絡(luò)被廣泛部署于邊緣設(shè)備。然而,，深度神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的處理需要消耗大量的資源,，這與邊緣設(shè)備性能和能量受限的特征背道而馳；多應(yīng)用的場景使得資源更加緊缺且不斷波動,，加劇了該矛盾,。本文巧妙地將生活中的樂高（Lego）積木與深度神經(jīng)網(wǎng)絡(luò)（DNN）結(jié)合，提出了LegoDNN框架：將原始深度神經(jīng)網(wǎng)絡(luò)劃分和轉(zhuǎn)化為多個相互兼容的“塊”,，從中選擇一部分塊即可組合成為一個可用的派生模型,?！敖M合爆炸”的現(xiàn)象使得少量的塊即可組合出成千上萬種不同的派生模型，提高派生模型生成效率,；當(dāng)可用資源變化,，LegoDNN只需要置換當(dāng)前模型中的一部分塊即可將當(dāng)前模型轉(zhuǎn)化為更適應(yīng)當(dāng)前場景的模型，模型切換成本低,。大量在真機上的實驗表明,，LegoDNN在精度和能耗上均優(yōu)于數(shù)種基線方法，并廣泛適用于不同的深度神經(jīng)網(wǎng)絡(luò),、邊緣設(shè)備和應(yīng)用場景,。
獲獎?wù)撐膶崿F(xiàn)的LegoDNN移動視覺識別任務(wù)
主要完成人簡介：
韓銳，北京理工大學(xué)計算機學(xué)院預(yù)聘副教授,、博導(dǎo),，是大數(shù)據(jù)系統(tǒng)軟件國家工程實驗室和智能信息技術(shù)北京市重點實驗室的核心成員。2010年碩士畢業(yè)于清華大學(xué)并獲優(yōu)秀碩士畢業(yè)生,，2014年博士畢業(yè)于英國帝國理工學(xué)院,。主要研究方向為邊緣智能技術(shù)。近五年在CCF-A類會議/期刊發(fā)表論文17篇（第一作者9篇）,，主持國家自然科學(xué)基金面上/青年項目,。
劉馳，北京理工大學(xué)計算機學(xué)院副院長,、教授,、博導(dǎo)，智能信息技術(shù)北京市重點實驗室主任,，國家優(yōu)秀青年科學(xué)基金獲得者,、國家重點研發(fā)計劃首席科學(xué)家、中國電子學(xué)會會士,。分別于清華大學(xué)和英國帝國理工學(xué)院獲得學(xué)士和博士學(xué)位,。主要研究方向為智能物聯(lián)網(wǎng)技術(shù)。獲得KDD’21最佳論文亞軍,，及省部級一等獎,、二等獎、三等獎各1項,。培養(yǎng)的多名學(xué)生獲得北京市優(yōu)秀本科畢業(yè)設(shè)計論文,、中國電子學(xué)會優(yōu)秀碩士論文等。
王國仁,，北京理工大學(xué)計算機學(xué)院院長,、教授、博導(dǎo),，國務(wù)院學(xué)科評議組成員,、長江學(xué)者特聘教授,、國家杰出青年科學(xué)基金獲得者。入選國家百千萬人才工程國家級人選,，授予“有突出貢獻中青年專家”榮譽稱號,。獲得東北大學(xué)計算機專業(yè)學(xué)士、碩士和博士學(xué)位,。獲得國家科技進步二等獎,、遼寧省科技進步一等獎,、教育部自然科學(xué)二等獎,、遼寧省自然科學(xué)二等獎等省部級科學(xué)技術(shù)獎勵共10項。
分享到：