本團隊將基於已發表在International Conference on Computer Vision (ICCV) 2019的神經網路骨幹架構HarDNet，做多項的技術展示，包括：
1. Deployment of HarDNet on GPU (功耗：大於200瓦) [註：除此一展示項目外，其餘皆為今年增列的新技術]
2. Deployment of HarDNet on FPGA (功耗：數十瓦)
3. Deployment of HarDNet on lightweight edge devices such as Google Coral TPU and Intel Movidius VPU (功耗：小於10瓦)

我們的展示將呈現HarDNet在上述三個運算能力、功耗大不相同的平台上，都能有相對應的HarDNet變形並在整體性能(速度、準度)方面具有高度的競爭力，尤其在real-time semantic segmentation這個應用上，HarDNet被Papers with Code網站評比為世界第一，獲得state of the art (SOTA)的殊榮。

此外，我們也將介紹HarDNet在下列三個不同面向(維度)上的技術延伸：
1. Exploration of neural network (NN) architectures based on HarDNet and its variants, compressed, secure, etc
2. Design of energy-efficient, high-performance NN accelerators
3. Deployment for various platforms and applications

第1項，我們將介紹compressed HarDNet與secure HarDNet，分別是對HarDNet進行再優化(壓縮)以及提升HarDNet的安全性致使它較不易受對抗式攻擊的襲擊；第2項，我們將提出幾個高效、節能的神經網路加速器設計方案，可使HarDNet在效能甚至能耗上更進一步；第3項，除了已考慮的運算平台和應用之外，我們亦嘗試了更多的平台和應用，擴展HarDNet在佈署、應用兩方面的適應性(adaptability)和多樣性(diversity)。

運行在各式的平台如GPU、FPGA、AI edge device上，HarDNet的整體性能(速度、準度)皆具有高度的競爭力，尤其在semantic segmentation這個應用上，被Papers with Code網站評比為世界第一，獲得state of the art (SOTA)的殊榮。

1. 矽谷智慧語音晶片大廠採用本團隊開發之RNN加速方案，其高階AI語音晶片已於2020下線，該晶片預估產值上看億元美金。
2. 台灣記憶體晶片製造大廠與本團隊共同合作AI computing in memory技術，開創下一代晶片新藍海。
3. 成立新創公司，為產業提供動能，為國家培養AI人才。