机器学习算法近年来有了突飞猛进的发展。例如，像Facebook这样的最先进的系统 可以在一小时内训练图像分类算法，而不会牺牲准确性。但其中许多人都接受过使用强大GPU的高端机器的训练，随着物联网（IoT）产业向边缘计算发展，对低功耗低成本人工智能模型的需求不断增长。

IBM有前景的研究为更高效的算法奠定了基础。在CVPR会议上，该公司的研究人员发表两篇论文，分别介绍图像分类处理。

BlockDrop

第一个标题为“BlockDrop: Dynamic Interference Paths in Residual Networks”，建立在微软在2015年发布的有关Residual networks的工作基础上。Residual networks（简称ResNets）引入了神经网络中各层之间的身份连接，允许它们在训练过程中学习增量或残余。

IBM将这一想法向前推进了一步。科学家们引入了一个轻量级的二级神经网络，在本文中称为“策略网络”，在预先训练的ResNet中动态地丢弃残余块。为了确保性能收益不以精确为代价，策略网络使用最少数量的块训练并保持识别准确性。

IBM研究经理Rogerio Feris表示，“一般来说，如果向模型添加更多图层，可以提高其准确性，但是会增加计算成本，目前大多数模型的一个问题是，有一个通用的网络，在所有图像中都使用相同的计算。我们的系统可以更有效地分配资源，并准确地识别图像。”

BlockDrop将图像分类平均加快了20％，在某些情况下加快了36％，同时保持了76.4％的准确性。

论文网址：arxiv.org/abs/1711.08393

改善立体视觉

第二篇论文“A Low Power, High Throughput, Full Event-Based Stereo System”解决了图像处理中的另一个问题：立体视觉。

正如IBM研究员Alexander Andreopoulos解释的那样，人类的眼睛相距几厘米，从略微不同的角度看世界。大脑的视觉皮层将两只眼睛的图像无缝融合为一体，使我们能够感知深度，但双摄像机器人系统在协调视差方面更困难。

“在计算机视觉的情况下，相机镜头有异常，这会导致噪音并使问题复杂化，”Andreopoulos说。

研究人员的解决方案是：运行在IBM TrueNorth神经形态芯片上的系统，该系统具有针对机器学习模型进行了优化的高度并行化架构。系统使用九个处理器的集群，一对基于事件的摄像头（当它们检测到运动时只拍摄图像的摄像头）以及一台将计算分配给上述芯片的笔记本电脑，每秒算法捕获并处理400（最多达2,000）视差图。

Andreopoulos解释说，基于事件的摄像机的使用大大减少了带宽和能源消耗。“立体声算法已经存在了30多年，但大多数系统都采用积极的方法来感知世界。我们使用的方法很被动。”

总体而言，与具有高帧速率照相机的最先进系统相比，该系统在每个像素的每像素功率方面的性能提高了200倍。

这些结果为依靠低功耗，低延迟深度信息来导航世界的机器人系统带来希望。

论文网址：researcher.watson.ibm.com/researcher/files/us-aandreo/cvpr2018.pdf