近日，人工智能領域頂級會議國際計算機視覺大會(IEEE International Conference on Computer Vision, ICCV2021)正式召開，今年ICCV的競賽成績正式公布。江南大學人工智能與計算機學院教授吳小俊和英國薩里大學電子工程系教授Josef Kittler帶領的模式識別與計算智能國際聯合實驗室（IJLPRCI）與清華大學自動化系魯繼文教授合作，榮獲了多模態視頻推理分析比賽(Multi-Modal Video Reasoning and Analyzing Competition, MMVRAC)中2項冠軍和第二屆反無人機Anti-UAV跟蹤競賽季軍。
.jpg)
.png)
.png)
在基于骨骼的行為識別中，團隊針對視覺角度變化大、部分樣本類別相似度高以及數據規模有限等難點，充分利用特征間、尺度間以及不同建模方式間的差異進行優勢互補，通過分類特征的融合加強，提升模型分類性能。
在基于魚眼視頻的行為識別中，團隊采用多種數據處理手段來減少鏡頭畸變，聚焦運動主體，并減弱無人機鏡頭抖動，光照場景復雜等影響。在模型設計上，使用多尺度采樣方式并采用對應的建模。在測試階段，團隊使用了多視角測試增強，多種類采樣模型決策級融合等來提高最終的分類精度。
在反無人機跟蹤問題中，團隊針對目標移動速度快、采樣設備移動迅速、目標反復消失與重現等難點，提出了一種長時跟蹤的解決方案，并集成了基于Transformer和基于孿生網絡的跟蹤算法。另外，針對目標消失與重現的問題，使用了全局搜索的目標重檢測方法。
.jpg)
此次基于骨架的動作識別及基于魚眼視頻的動作識別競賽，都是基于最新的、有挑戰性的無人機視角視頻理解數據集——UAV-Human，重點關注從無人機視角來理解推理人類行為，包含了67,428個視頻樣本，6種不同的模態，4個人類行為理解任務和119個視頻主題。
.jpg)
面對龐大且紛繁復雜的數據樣本，吳小俊教授團隊為爭取更多算法優化時間，提升模型性能，需對其現有底層算力進行升級，以實現測試訓練時間壓縮。
但是，隨著當下算力的高速升級，GPU功耗不斷攀升，傳統風冷工作站已很難實現多卡工作站的高效散熱，存在降頻風險，容易導致整體性能下降。并且，為承載多卡散熱，更大風量、更高風壓的多風扇堆疊，也促使多卡工作站噪音越來越高（滿載可達到65dB以上），已無法進行辦公環境下的直接放置。
為幫助吳小俊教授團隊解決目前面臨的工作站降頻及噪音問題，超益集倫為其提供了全液冷工作站解決方案——ServMAX® TL40-X2。整機采用CPU+GPU全液冷散熱設計，噪音低于55dB，且室溫條件下GPU核心穩定運行于72℃以下，有效規避了降頻風險。
.jpg)
- 雙路處理器，四路旗艦GPU
雙路處理器，四路旗艦GPU
4路GPU，整體顯存高達96GB
支持NVLink，帶寬高達112GB/s
并聯GPU，支持靈活拆卸
- 全液冷散熱，極致降噪
滿負荷整機噪聲55dB以內
循環風道設計，散熱無死角
風扇轉速可調，尋求效率與靜音的平衡
封閉循環水路，漏液無風險
- 靈活配置，高拓展性
支持10 x 3.5"/2.5" + 2 x 2.5" SATA /SAS內置硬盤
支持NVMe M.2（2280/22110）SSD
配有多個USB 3.0和USB 2.0接口
板載雙10Gbps RJ45以太網端口和IPMI管理端口
- 智能液晶面板，實時狀態監測
直觀掌握關鍵溫度
實時監測冷卻系統若干重要參數
.jpg)
經過反復測試和比較，ServMAX® TL40-X2最終選擇GPU并聯式散熱。水體經冷卻處理后，在同一時間，會并行流經所有GPU，將熱量整體帶走后，統一回到冷排進行散熱，這樣保證了所有GPU都處于低溫狀態。同時，其采用加固連接頭和止水閥設計，保證任意GPU靈活安裝或拆卸。其次，水體通過軟管傳輸，在不影響流速及散熱效果的前提下，避免了市場上大部分硬質水管隱含的斷裂和長期使用的漏液風險。
.jpg)
超益集倫目前已完成 TL41-Z2、TL40-X2、GL408-X2等 多款全液冷解決方案研發 了解更多液冷服務器產品及技術 您可撥打"400-860-6560" 我們愿與您一起 以極致計算成就極致未來