记者了解到，在2019年CVPR（计算机视觉与模式识别会议）的低功耗图像识别挑战赛中，阿里AI在在线图像分类任务中获得了第一名。这一成果表明，阿里AI能够在手机等轻量级设备上高效运行。

CVPR是计算机视觉领域的顶尖学术会议，此次低功耗图像识别挑战赛由IEEE Rebooting Computing项目发起，旨在评估AI在轻量级设备上的图像识别能力。比赛从识别准确率、执行速度和能耗三个方面进行评判。

阿里AI参与了在线图像分类任务，比赛要求使用Pixel 2手机在10分钟内对20000张图像进行分类，以此来衡量其分类速度和精度。比赛采用ImageNet数据集进行训练，包含大约120万张图片，涵盖1000个类别，最终阿里AI达到了67.4%的分类精度，比基准值高出3.5%。在测试阶段，阿里AI实现了每张图片23毫秒的分类速度，位居第一。

这项技术能够将深度学习算法压缩40至100倍，使其轻松部署在端侧设备上，如智能手机、自动驾驶汽车和工业自动化等领域，具有广泛的应用前景。

传统的深度学习模型往往结构复杂，参数众多，需要借助云端的强大计算资源来运行。然而，将这些模型部署到端侧设备时，会面临体积大、功耗高的问题。例如，在无人驾驶车辆中，虽然可以在行驶过程中实时收集大量数据，但这些数据的一部分需要在本地处理，另一部分则传输到云端。相比云端计算，本地计算虽然不易受延迟影响，但在功耗方面受到更多限制。

为此，阿里达摩院的线下智能团队提供了一套解决方案。他们基于当前主流的移动设备轻量级网络架构，设计了一个快速小型化网络模型。即使在低分辨率图像输入的情况下，该模型依然能够保持较高的分类精度。此外，通过量化技术，模型可以进一步压缩，同时几乎不影响精度，还能显著提升速度。

这项技术已经在卫星遥感影像分析中展现出强大能力。卫星遥感影像通常用于监测土地、河流等自然资源，每张图像的大小可达数GB。传统的人工分析可能需要几个月的时间，而AI仅需几分钟即可完成同样的工作。利用低功耗图像识别技术，部署在GPU服务器或TX2端侧设备上的系统，能够以极高的精度和速度处理海量图像。

（来源：科技金融时报 记者 林洁）