主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张政馗,庞为光,谢文静,吕鸣松,王义.面向实时应用的深度学习研究综述.软件学报,2020,31(9):2654-2677
面向实时应用的深度学习研究综述
Deep Learning for Real-time Applications: A Survey
投稿时间:2019-07-08  修订日期:2019-08-18
DOI:10.13328/j.cnki.jos.005946
中文关键词:  深度学习  深层神经网络  实时系统  时间分析  实时调度  共享资源冲突
英文关键词:deep learninig  deep neural network  real-time systems  timing analysis  real-time scheduling  shared-resource interference
基金项目:国家自然科学基金(61532007,61772123);装备预研教育部联合基金青年人才基金(6141A020333)
作者单位E-mail
张政馗 东北大学 计算机科学与工程学院 智慧系统实验室, 辽宁 沈阳 110819 zhangzhengkui@cse.neu.edu.cn 
庞为光 东北大学 计算机科学与工程学院 智慧系统实验室, 辽宁 沈阳 110819  
谢文静 东北大学 计算机科学与工程学院 智慧系统实验室, 辽宁 沈阳 110819  
吕鸣松 东北大学 计算机科学与工程学院 智慧系统实验室, 辽宁 沈阳 110819  
王义 东北大学 计算机科学与工程学院 智慧系统实验室, 辽宁 沈阳 110819  
摘要点击次数: 3973
全文下载次数: 2463
中文摘要:
      深度学习算法和GPU算力的不断进步,正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明,深度学习技术的成熟度还远未达到安全攸关应用的要求.因此,对可信人工智能系统的研究已经成为了一个热点方向.对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题;然后,从深层神经网络的轻量化设计、GPU时间分析与任务调度、CPU+GPU SoC异构平台的资源管理、深层神经网络与网络加速器的协同设计等多个方面对现有的研究工作进行了分析和总结;最后展望了面向实时应用的深度学习领域进一步的研究方向.
英文摘要:
      The persistent advance of deep learning algorithms and GPU computing power have promoted artificial intelligence in various fields including but not limited to compute vision, speech recognition, and natural language processing. Meanwhile, deep learning already began exploiting its usage in safety-critical areas exemplified by self-driving vehicles. Unfortunately, the successive severe traffic accidents in the past two years manifest that deep learning technology is still far from mature to fulfill safety-critical standards, and consequently the trustworthy artificial intelligence starts to attract a lot of research interests worldwide. This article conveys a state-of-the-art survey of the research on deep learning for real-time applications. It first introduces the main problems and challenges when deploying deep learning on the real-time embedded systems. Then, a detailed review covering various topics is provided, such as deep neural network lightweight design, GPU timing analysis and workload scheduling, shared resource management on the CPU+GPU SoC platform, deep neural network and network accelerator co-design. Finally, open issues and research directions are identified to conclude the survey.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利