CSDN科技巨头纷纷从刷脸转向“刷手”,指纹如何扛起生物识别大旗?( 二 )


课程大纲:
1. 现实图像搜索难题对 AI 的极限挑战
尽管在深度学习的推动下有了长足的发展 , 海量图像的高精度搜索仍然是一个没有被解决的技术难题 。

  • 当数据库规模增加到千万甚至数十亿级 , 以及物体存在遮挡、变形等情况时 , 现有方法的精度会迅速下降
  • 介绍如何利用多尺度的图像表示、高速异构的比对框架和分布式的并行处理 , 实现了30亿指纹图像秒级精准搜索的现实需求
2. 异构并行计算和性能优化
为完成高速密集的计算任务 , 在海量数据中实现极速、精准的搜索:
  • 介绍如何基于 CPU-GPU 的异构平台 , 设计了一套基于 CUDA 编程框架的并行计算算法 , 通过对内存访问、局部存储、代码分支、指令优化、数据传输等一系列的优化 , 实现了比对性能质的飞跃
3. 非易失性内存在图像搜索系统中的应用
在数十亿图像中实现秒级精准搜索 , 对内存资源存在极大需求:
  • 介绍如何通过最新的非易失性内存(NVDIMM)技术和 Linux 系统中的内存映射技术(mmap) , 将异构并行计算算法需要的所有图片特征存储在一个分布式的内存数据库内 , 从而大大降低了海量图像搜索成本 , 并增强了分布式图像搜索系统的稳定性