对话旷视孙剑：比TensorFlow还早半年，旷视Brain++的进化法则(11)_智东西文|季瑜生打榜、噱头、争议、烧

基于Brain++ ，旷视究竟做了什么？

孙剑表示目前旷视的所有研究都是基于Brain++做的。最直观的表现就是， 2017、2018连续两年，旷视都基于Brain++在国际上最权威的图像识别大赛中夺冠。

算法层面，以Brain++为基础，旷视还开发出了可部署在云端、边缘侧以及移动端的深度神经网络。

在云端， 2015 年，孙剑在微软工作时领导的团队首次提出深度残差网络ResNet ，使得训练数百甚至数千层的网络，机器视觉超越人眼成为可能，并大幅提升了云端算法的性能与天花板。

边缘侧， 2016年，旷视开发出了适用于芯片的轻量级深度神经网络模型DorefaNet ，通过低精度方法，使得卷积计算在芯片上通过简单的位运算就能完成计算。

而在移动端计算平台， 2017年，旷视研发了轻量化卷积神经网络ShuffleNet 。通过逐点群卷积和通道混洗等方式， ShuffleNet在确定计算复杂度预算的条件下，允许使用更多的特征映射通道，故而实现了在轻量化网络上编码更多信息的设计，可以专门应用于计算力受限的移动设备。

对话旷视孙剑：比TensorFlow还早半年，旷视Brain++的进化法则(11)