中科院计算所、计算机体系结构国家重点实验室集成电路团队在2016设计自动化国际会议（Design Automation Conference，简称DAC）的低功耗图像识别竞赛（Low-Power Image Recognition Challenge）中一举斩获全部比赛项目的冠军。现场比拼测试结果表明，集成电路团队所设计的图像检测与识别软硬件方案在保证图像识别精度的同时，所产生的计算能耗最低且速度最快，这一比赛结果将推动基于深度学习的图像识别在低功耗移动、嵌入式甚至IoT终端的发展与实用化。 比赛主办方LPIRC组委会 负责人，普渡大学的Yung-Hsiang Lu教授在评价集成电路团队所取得的成绩时表示“相比去年冠军的结果，他们的方案性能功耗比提升超过2倍，比摩尔定理的发展速度还要快。”

　　带队参加比赛的计算所集成电路团队王颖博士在颁奖致辞上表示：“本次LPIRC比赛激发了我们在深度学习的发展方向上的思考，如何使得大规模深度神经网络等人工智能算法在嵌入式和移动平台的实用化，是包括ILSVRC竞赛在内传统机器学习领域较少考虑的问题，这需要我们综合考虑深度学习算法层、体系结构层与底层硬件的交互与跨层优化，同时也需要我们团队在包括近似计算与低功耗技术领域的研究积累。”

　　LPIRC竞赛由IEEE Rebooting Computing （RC）项目负责发起，IEEE RC旨在激发科研界与工业界对新一代计算机架构的思考（rethink the computer through a holistic look that addresses all aspects of computing），而由IEEE协会创立。LPIRC是IEEE RC每年发起的一项最重要的活动，迄今一共举办两届。该项竞赛目标是为了推动图像识别与低功耗设计技术的发展。今年的LPIRC竞赛一共设有三个分赛项目：第一个项目是允许服务器端图片下载到参赛设备进行快速检测分类；第二个项目允许采用云计算与本地计算结合的方式识别服务器端图片；而第三项为今年新增项目，参赛设备将对举办方显示器所显示的图片流进行实时处理识别。比赛评分将综合考虑识别精度与方案能耗。由于参赛队伍空缺，第二项比赛未能举行。

　　LPIRC竞赛在ImageNet识别挑战赛的基础上特别增设功耗指标，这正是对机器视觉与大规模深度学习算法在可穿戴小型移动领域应用的能效性进行考验。中科院计算所集成电路团队在原型系统搭建、深度学习算法层、体系结构层等多方面的进行联合优化，结合开源深度学习框架与自研的近似计算技术，使得在保证图像识别算法满足规定的精度前提下、图像识别速度相比传统解决方案高2个数量级，在不到比赛规定一半时间内完成全部图片数据集的自动识别，参赛评比的两个方案分别获得第一项比赛项目的冠亚军。同时，在增设的第三项比赛中，作为该项比赛参赛的首个解决方案，集成电路团队所搭建的实时拍摄识别系统最终也获得了该项比赛的第一名，一举拿下今年LPIRC的全部冠军。

集成电路团队（左四：王颖博士）喜获2016 DAC低功耗图像识别竞赛冠军