基本信息
职称 讲师
职务
主讲课程
研究方向 高能效异构智能边缘系统，边缘深度学习的推理优化与并行加速，可信边缘学习，基于深度学习的循环不变式生成，图像/视频压缩感知
办公室 数学与计算机科学学院2号楼404实验室
电子邮件
联系电话

个人简介
廖龙龙，男，博士，2019年获国防科技大学计算机科学与技术专业博士学位。2021年加入福州大学计算机科学系认知系统与信息处理联合实验室。
目前的主要研究兴趣包括：高能效异构智能边缘系统(Energy-Efficient Heterogenous Intelligent Edge Systems)，边缘深度学习的推理优化与并行加速(Optimization and Acceleration of Deep Learning Inference)，可信边缘学习(Trusted Edge Learning)，基于深度学习的循环不变式生成(DL-based Invariant Generation)，图像/视频压缩感知(Image/Video Compressive Sensing)等。
论文成果
[1] Longlong Liao, Kenli Li, Keqin Li, Canqun Yang, Qi Tian. “UHCL-Darknet : An OpenCL-based Deep Neural Network Framework for Heterogeneous Multi-/Many-Core Clusters.” ACM Proceedings of the 47th International Conference on Parallel Processing (ICPP 2018), 2018:44:1-44:10. (计算机体系结构领域CCF-B类国际会议)
[2] Longlong Liao, Zhibang Yang, Qing Liao, Kenli Li, Keqin Li, Jie Liu, Qi Tian. “A Half Precision Compressive Sensing Framework for End-to-End Person Re-Identification.” Neural Computing and Applications, 2020,32(4):1141-1155. (人工智能领域CCF-C类SCI期刊)
招生期望（符合下列任何一条最佳）
（1）具有较好的C/C++编程技术，有CUDA/OpenCL/OpenMP/MPI等并行编程经验者优先；
（2）熟悉Darknet神经网络框架，了解YOLO系列目标检测模型；
（3）熟悉PyTorch深度学习框架，具有相关深度学习实践经历。