“高效自适应视觉深度学习关键技术与应用”项目成果荣获中国电子学会科技进步一等奖

探索前沿的2025年05月14日约 3 分钟

近日，中国电子学会正式颁发“2024中国电子学会科学技术奖”，由清华大学联合京东零售等单位共同申报的“高效自适应视觉深度学习关键技术与应用”项目荣获中国电子学会科技进步一等奖。

成果鉴定会结论：

“该项目技术复杂，创新性强，研制难度大，具有自主知识产权，技术成果整体处于国际先进水平，部分技术达到国际领先水平。产生了重大的经济和社会效益，推广应用前景广阔。”

基于深度学习的视觉感知与理解是近十年全球人工智能研究的前沿热点，也是公共安全、数字经济等多个万亿级产业的共性基础技术。视觉深度学习大规模应用面临模型复杂度高、跨场景精度低和跨平台部署难等挑战，实现高效模型结构设计、自适应模型训练与快速适配部署是视觉深度学习产业应用的关键。

项目率先开展视觉深度学习关键技术攻关，在深度学习模型设计、训练和部署等共性核心技术上取得突破，形成了一批具有国际水平的技术与产业系统平台。

“再参数化”的模型设计

针对视觉深度学习模型精度与效率的矛盾，需要在提高模型识别图像的准确性和减少模型运行所需的时间及资源之间找到一个平衡点。团队发明了“再参数化”模型设计技术，突破了模型结构“训用统一”的限制，实现了“训大用小”，平衡了高精度与高效率。

跨场景自适应模型学习

在视觉深度学习模型的实际应用中，由于场景条件变化，模型在新环境下的精度会显著降低。针对应用场景动态多变带来的模型精度大幅下降问题，团队提出了跨场景分布校准的自适应学习原理，发明了跨场景自适应模型迁移和跨时间自适应模型更新技术，实现了广泛应用场景的高精度自适应视觉理解。

跨平台自适应压缩部署

针对部署平台差异大带来的算力受限、部署困难挑战，团队发明了算力自适应模型剪枝压缩技术和精度自适应量化技术。

目前，该项目成果已在京东集团多个应用场景中成功部署实施，助力线上自适应识别效果提升超20%，深度模型推理耗时降低50%以上。

面向未来，视觉深度学习技术正加速向更加智能化的方向发展，在电商领域展现出巨大的潜力。京东零售技术团队将继续与国内外顶尖学术机构紧密合作，践行“技术为本让生活更美好”，不断探索前沿技术，致力于将最新的科研成果转化为实际应用，为用户提供更好的服务体验。

中国电子学会科技进步奖是电子信息技术领域内的一项重要荣誉，由国家科技奖励工作办公室批准设立的重要奖项之一。由院士领衔专家组评定，旨在表彰那些在电子信息领域科学研究、技术创新及其产业化方面做出杰出贡献的集体和个人。

来自同一个声音