智能加速实验室
研究致力于超高速视觉算法与系统的技术创新，开展应用级的软硬件开发，重点突破行业技术难点。从事包括硬件加速技术、工业视觉检测技术、工业3D传感技术、模型压缩技术的研究工作，相关技术处于国际前沿。成功研发了超高速视觉检测平台、多种基于硬件的高速图像处理算法、实时高速视觉工业检测算法、无数据通用量化一体化平台，积累了丰富的视觉算法研发及设备开发经验。通过算法硬件化部署，开发了多款国内领先的工业检测用智能传感器，包括高精度线激光3D相机、高精度结构光3D相机、智能高速相机、数字人3D快速重建设备等，并在工业、军事和医疗领域进行了广泛的应用。核心技术和算法已在智能制造、控制理论、人工智能等领域国际期刊和国际会议发表论文100余篇，获得国际及国家发明专利50余项。
研究简介
传统加速算法方面，设计了适合硬件实现的省内存的基于单元分割的连通域标记算法，实现了世界最快速的基于高速视觉的多目标追踪识别系统。团队研发的高精度深度神经网络无数据量化方法，结合无数据场景的混合精度量化方法，无需任何数据即可达到与数据驱动的方法相当甚至更好的量化性能。并拓展无数据量化到多种视觉任务和模型结构，开发集成无数据量化通用一体化平台。
包括人体极速扫描设备与3D数字人、活猪三维重建设备与智慧养殖。团队研发的3D人脸重建产品已经投入量产，模型质量达到影视级数字人3D效果，纤毫毕现。团队研发了一套活猪高速三维重建与点云分析系统，基于结构光三维重建和交叉同步投影技术、点云处理技术、深度学习技术实现对活猪的实时高速三维重建。
课题组针对航空发动机高温合金损伤构件机器人识别、修复及磨抛全过程智能感知与轨迹规划需求，搭建了一套11轴随形自适应智能3D检测与加工平台。课题组针对智能机器人对未知环境的快速感知需求以及对高动态目标物的识别、跟踪、测量、打击功能需求，研发了一套低惯量、高动态响应、全向双目视觉识别、跟踪、测量、打击系统。
学术论文
(2024).
A Visual-Feedback-Based Active Light-Section 3-D Reconstruction Method for Moving Objects.
In ARSO.
(2024).
A Visual-Feedback-Based Active Light-Section 3-D Reconstruction Method for Moving Objects.
In TIM.
(2024).
LLM Inference Unveiled: Survey and Roofline Model Insights.
In arxiv preprint.
(2024).
MGRQ: Post-Training Quantization For Vision Transformer With Mixed Granularity Reconstruction.
In arxiv preprint.
(2024).
RepQuant: Towards Accurate Post-Training Quantization of Large Transformer Models via Scale Reparameterization.
In arxiv preprint.