華為: 華為首次自曝"天才少年"最新成果

2021-11-25 | 來源: 量子位 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

　　因此，這類算法對精度要求非常高，此前華為不少專家都沒能成功攻克它。

　　鍾釗帶領團隊，成功將AutoML技術應用到了圖像像素處理算法上。

　　AutoML（Automated Machine Learning），簡單來說就是“用AI設計AI”，從2014年開始成為熱門研究，2018年，該技術逐漸進入試商用加速階段。

　　事實上，在鍾釗來到華為之前，華為諾亞方舟實驗室已經在進行AutoML方向的相關研究。

　　實驗室自研了一個全流程AutoML算法集合VEGA，其中“基於硬件約束的高效分類網絡搜索方案（CARS）”、“輕量級超分網絡結構搜索（ESR-EA）”等算法，都屬於NAS的范疇。

　　

　　而AutoML，正好是鍾釗在博士期間研究的方向。

　　2019年，鍾釗和當時也在搞AutoML的華為“一拍即合”，憑借著在商湯實習時的積累，作為201萬年薪的“天才少年”加入華為，擔任AutoML研究組的leader，入職一年之內，就攻破了這個像素處理算法的難關。

　　隨後，鍾釗又在入職兩年內，帶領團隊自研出了端到端的像素級AutoML流水線。

　　據華為介紹，這項技術能“在學界和業界都只能做到2-3倍的情況下，將視頻攝影原型算法的復雜度降低百倍”，目前已用於部分新機型上，未來還會用於更多產品。

　　不止這項研究，鍾釗在移動端視覺模型上，也有不少建樹。

　　一直以來，設計用於移動端視覺模型主要有兩種方法：

大聰明！不能抄了，華為又出招伸手美尖端學界(圖)

差點要了全家人的命華為問界又傳出事(圖)

華為據報借名資助美研究頒發數百萬美元科研獎金

　　一種是手工設計輕量級的網絡結構，如ShuffleNet、MobileNetV3等已取得一定的進展。

　　不過鍾釗團隊研究發現這些模型的卷積核之間仍然存在冗余，限制了模型的速度。

　　另一種是方法進行模型壓縮，通過剪枝、蒸餾等手段獲得一個與大模型結構相似的小模型。

　　但這種方法又會使精度下降，難以滿足高端手機的要求。

　　鍾釗來到華為後，帶領團隊提出過一種根據圖像的內容自適應生成卷積核的動態方法。

　　這種方法可以在保持精度的情況下顯著降低計算量，對於不同的CNN網絡可以降低37%-71.3%不等。

　　

　　此外在數據增強方面，鍾釗在華為也研究了一種對抗性自動數據增強方法，發表在2020年ICLR上。

　　而如今這些研究成功的背後，也離不開鍾釗本人一直的努力。家學淵源，自小學習計算機

　　鍾釗1991年出生在一個深受計算機科學影響的家庭。

　　本科就讀於華中科技大學軟件工程專業，大三時曾在全國大學生數學建模競賽中獲得湖北一等獎。

　　