你知道神经网路，你也知道它们各有擅场。但你知道台湾自己也开发出了一种新的架构，而且它的效能还能名列前茅。它的名称是「」，能加速深度学习的硬体效能，目前已可在GitHub进行免费的下载。

HarDNet的全名为「Harmonic Densely Connected CNN」，为科技部人工智慧策略中，半导体「射月计画」的发展项目之一。

负责带领团队的清华大学教授林永隆表示，射月计画成立之初，就已锁定了神经网路为主要项目，要发展出一个最适合硬体实现的类神经网路架构。而经过团队的努力，已成功研发出「HarDNet」技术。

林永隆表示，「HarDNet」是一种快速、准确、安全的新型类神经网路，比起知名的ResNet架构，HarDNet只须三分之二的运算时间，便能达到相同的准确度。在影像辨识、物件识别、物件追踪、视讯语意分割等应用，HarDNet都有优异表现。

尽管开发出极具竞争力的方案，但林永隆的团队仍将该网路架构以免费的方式提供，并透过GitHub提供开放式的下载．让更多的人工智慧应用开发者都能受惠。

林永隆指出，HarDNet透过简化连线、谐波式规则与权重式频道数的方式，达成了绝隹的运算效能。采用此架构的系统不仅可以有优异的运算效能，同时可以减少记忆体存取，因此更实现了轻量化系统、省电与安全的性能。

特别在安全性方面，HarDNet对恶意攻击也有更强的对抗能力。所谓的对抗式攻击（adversarial attack），是者可使训练完成的深度神经网路模型，对人为刻意设计的输入资料（adversarial example）做出误判。而HarDNet比起其它神经网路模型（如SSD-VGG），具有更强的攻击免疫力，如再加入对抗式训练〈adversarial training〉，侦测率可达90%以上。

而HarDNe的效能也已在多项的国际竞赛中获得肯定，包含叁加2020年低功率电脑视觉(LPCV)国际竞赛，获得银牌与铜牌。其中一项在FPGA硬体平台快速辨识给定照片中的物体，交大黄俊达教授的团队首次叁加就夺得亚军，其关键就是采用HarDNet作为神经网路模型骨干，透过优化动态记忆体存取大幅缩减辨识时间，取得辨识率最高的成绩。

另一项成就，是设计行动装置的神经网路模型，测试平台为LG G8与Google Pixel 4两款智慧型手机，交大吴凯强教授所指导交大、清大联队，与美国麻省理工学院团队并列季军。

然而，科技部主导的人工智慧计画，仍是以落实至产业应用为其目标，要能真正将其研究成果化为实际的产业产值才是重点。也因此，射月计画也鼓励团队成立新创公司，让技术可以真正商业化。目前已有「创鑫智慧」率先成立公司，并获准进入竹科。该公司所开发的神经网路加速器IP，也获得大厂采用。

科技部工程司司长徐硕鸿表示，射月计画共有六大主轴，其中AI是主要重点项目，其他还有感测器、资安、AR/VR等，整体共有约17的专案进行中。而包含「创鑫智慧」在内，共有四家新创有??脱颖而出，其领域为感测器和光谱技术等。