ECCV 2020线上分享 | 高分Oral论文：高性能剪枝算法「鹰眼」

不久之前，计算机视觉三大国际顶级会议之一的 ECCV 2020 论文接收结果公布。今年 ECCV 有效投稿 5025 篇，最终被接收发表论文 1361 篇，接收率为 27%。在接收论文中，oral 的论文数为 104 篇，占有效投稿总数的 2%，spotlight 的数目为 161 篇，比例约为 3%。

今年 ECCV 原定于 2020 年 8 月 23-28 日在英国格拉斯哥举行，但和众多学术会议一样，受疫情影响，ECCV 2020 将完全以虚拟方式线上进行。

虽然无法去现场交流，但这不能阻挡我们学习的热情。

为向读者们分享更多 ECCV 2020 优质内容，在此大会开幕之前，机器之心将策划多期线上分享。这是机器之心 ECCV 2020 线上分享的第一期，我们邀请到暗物智能研究副总监苏江博士为我们分享 Oral 论文《EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning》。在此论文中，研究者们提出了一种性能极高的剪枝算法 EagleEye。

分享主题：高性能边缘 AI 计算：最新深度模型压缩算法分享与领域回顾

苏江，英国帝国理工学院电子电气工程系博士，后加入剑桥大学担任计算机学院计算机架构研究组助理研究员，从事 AI 芯片架构设计与高性能 AI 模型研究。苏江博士曾就职于英特尔，赛灵思等公司。目前就职于暗物智能科技，从事 AI 芯片架构设计与智能硬件产品研发。

内容简介：

高性能 AI 算法能否在端侧设备高效执行，是一个从算法优化到端侧硬件芯片定制的全栈问题。本讲座首先分享高性能端侧 AI 全栈优化的思路，尤其是 AI 算法模型优化和芯片架构优化两部分背景介绍。然后重点介绍 ECCV 高分论文鹰眼算法 EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning。

该方法采用了一种自适应批归一化的简单却有效的评估组件技术，以揭示不同剪枝子网络与其微调收敛精度之间的强相关性。这种强相关性使我们不需要对子网络进行实际微调就能在候选子网络中快速找到具有最高潜在准确率的网络。从模型压缩精度和效率上，EagleEye 在 MobileNet、ResNet 等标准网络均达到领域最优效果。最后提出有关下一个边缘 AI 有效算力提升 10 倍以上性能的大胆预测。

• 论文链接：https://arxiv.org/abs/2007.02491

• 开源代码链接：https://github.com/anonymous47823493/EagleEye

直播时间：北京时间 8 月 13 日 20:00—21:00

参与方式：

添加机器之心小助手（syncedai5），备注「ECCV」，进群一起看直播。

ps：如本小助手无法添加，请添加小助手的兄弟姐妹们：syncedai2、syncedai3、syncedai4、syncedai6。或者将「微信ID」发送邮件到 shidongle@jiqizhixn.com ，我们将与你联系，邀你入群。

机器之心研学社再次开启招募啦！

老朋友已经纷纷入群了，新朋友还在问研学社是什么？

机器之心曾组织了「强化学习」、「机器学习入门」等主题的互助式学习小组，邀请志同道合的朋友们一起分享优质资料、研习经典教材、阅读与复现论文、讨论难点问题，帮助大家加对知识的理解与对行业的认知。

现在，研学社再次开启招募。我们将持续关注顶会重要论文、热点研究进展、技术实践方法，邀请相关论文作者、技术大牛在线分享，同时也将不定期为大家提供赠书、优质工作机会等福利。

机器之心研学社第一期：ECCV 2020，添加机器之心小助手，备注「ECCV」即可加入。

在 ECCV 2020 收录的大量优秀论文中，你最关注哪一篇？ 欢迎在评论区留言，我们将全力邀请论文作者为大家分享。

同时，如果你的论文被 ECCV 2020 接收，欢迎向我们投稿，联系邮箱 shidongle@jiqizhxin.com。