計算機視覺軟件公司的科學家智能引擎他們宣布，他們找到了一種將神經網絡效率提高40％的方法。該方法基於新的量化方案。
當前，深度神經網絡通常在專用圖形卡上執行，並且通常需要比大多數設備增加的計算能力更高的計算能力。但是，所有用戶設備都具有一個中央處理器，這是8位神經網絡的世界標準。
智能引擎研究人員提出了4.6位網絡，該網絡的運行速度比8位模型快40％，而質量幾乎沒有降低。它通過在移動設備中更有效地使用CPU的功能來實現這一目標。
量化了模型的輸入數據和係數，以產生足夠小的輸出以適合8位寄存器。
16和32位蓄能器的兩級系統總結了結果，每個值平均分配了4.6位的信息。
量化方法與現有方法不同，因為它允許調整數據輸入位大小，並且不綁定到兩個功率。因此，它可以比4位模型（例如4位模型）產生更高的識別質量。
智能發動機產品已經在使用網絡對象檢測和文本識別。
PAD，移動文檔識別，在2023年的研究里程碑中
在2023年繁忙的公司之後，這一進步隨後。去年，它發表了41篇科學論文，獲得了6項專利，並在各種會議上介紹了20多個報告，並進行了一些發現。
該公司的科學家在三個國際會議上介紹了20多個報告：第17屆國際文檔分析與認可會議，倫敦國際會議和第16屆機器願景國際會議。
他們的公開註釋的文檔圖像中，Midv-Holo允許各地的發明家教他們的算法檢測和防止生物識別重播和演示攻擊。
研究人員還提出了有關使用神經網絡體系結構在移動設備上快速檢測到的MRZ的工作，該神經網絡體系結構在iPhone SE上識別16毫秒的機器可讀區域，該區域使用2019年發布的處理器。檢測率為每秒62幀。智能ID引擎系統使用此體系結構，與合格的操作員相比，準確性的兩倍，輸入護照數據的速度快20倍。
一種方法文件標識是六項專利發明之一。
