AI在邊緣領(lǐng)域的優(yōu)勢現(xiàn)在是顯而易見的。在這些領(lǐng)域中,實時響應(yīng)起到?jīng)Q定性的作用。比如說,在安全敏感型應(yīng)用中,既要將原始數(shù)據(jù)傳輸?shù)皆频?a href="http://www.1cnz.cn/v/tag/1301/" target="_blank">通信成本降至最低,又要降低功耗、保護(hù)隱私并提高對多個邊緣節(jié)點的可擴(kuò)展性。
對于以上這些要求,我們建議通過邊緣設(shè)備內(nèi)的人工智能而不是遠(yuǎn)程云服務(wù)來滿足。然而,一個AI引擎無法服務(wù)我們現(xiàn)在所知的邊緣應(yīng)用范圍。家用電器可能只需要識別一組簡單的語音命令或食品容器上的圖片。更復(fù)雜的監(jiān)控系統(tǒng)或工業(yè)機(jī)器人系統(tǒng)則可能需要融合圖像傳感器、麥克風(fēng)、運(yùn)動傳感器等的多方輸入。
就高端領(lǐng)域而言,自動或半自動駕駛識別系統(tǒng)需要用到非常復(fù)雜的深度神經(jīng)網(wǎng)絡(luò) (DNN)。CEVA SensPro2 和NeuPro-M平臺恰能滿足這些需求。
邊緣AI市場
自現(xiàn)在起至本世紀(jì)末,邊緣AI處理器芯片市場的年復(fù)合增長率預(yù)計將達(dá)到20%左右。這一增長是由智能設(shè)備采用率/發(fā)展程度不斷提高推動的,具體涉及:攝像頭、可穿戴設(shè)備和家庭自動化領(lǐng)域消費(fèi)者;安全和自動化程度日益提高的汽車行業(yè);行業(yè)監(jiān)控、機(jī)器人、機(jī)器/工廠控制和預(yù)測性維護(hù)。
最有可能在這些領(lǐng)域取得成功的產(chǎn)品自然必須功能十足、性能強(qiáng)大,如此才能滿足應(yīng)用這些產(chǎn)品的認(rèn)可需求。此類產(chǎn)品必須根據(jù)消費(fèi)者定價和/或在大規(guī)模部署時具有成本效益,同時還應(yīng)該最大限度地減少現(xiàn)有無線基礎(chǔ)設(shè)施的增量負(fù)載。此類產(chǎn)品的軟件還必須可以升級,如此才能適應(yīng)快速發(fā)展的AI技術(shù)領(lǐng)域的新興解決方案。
傳感器融合和SensPro2
除了最簡單的智能邊緣設(shè)備之外,其他所有設(shè)備現(xiàn)在都使用多個傳感器。兩個或更多傳感器的融合信息通??勺屩悄芟到y(tǒng)提供準(zhǔn)確性度更高的信息或補(bǔ)充信息。例如,在自動平行泊車或自動代客泊車系統(tǒng)中,可結(jié)合使用探測可用空間的視覺傳感技術(shù)/雷達(dá)與超聲波測距技術(shù),另外也可以結(jié)合使用IMU輸入,進(jìn)一步細(xì)化定位估計結(jié)果。SLAM算法可以對這些功能形成補(bǔ)充,在停車場內(nèi)導(dǎo)航以便自動代客泊車。
CEVA SensPro2傳感器中樞DSP是傳感器中樞/融合應(yīng)用的完美答案。SensPro2是第二代CEVA傳感器中樞DSP,允許圖像傳感器、麥克風(fēng)、雷達(dá)、飛行時間、IMU 等的多個傳感器輸入。
基于神經(jīng)網(wǎng)絡(luò)的軟件可在這種DSP架構(gòu)上快速運(yùn)行。因為這種架構(gòu)提供整套豐富的硬件支持功能,包括:具有靈活MAC操作范圍的矢量單元、整數(shù)和浮點運(yùn)算支持、針對應(yīng)用的ISA擴(kuò)展和全面的非線性指令集。SensPro2可利用這些功能提供2倍的AI速度、6倍的SLAM速度、8倍的雷達(dá)速度、10倍的音頻速度(相較于上一代SensPro而言)。
在各種消費(fèi)者應(yīng)用中,邊緣人工智能已通過SensPro2部署到SoC,最近發(fā)布的新Novatek監(jiān)控SoC版本就是一個示例。
DNN 智能和NeuPro-M
高端邊緣智能需要深度神經(jīng)網(wǎng)絡(luò) (DNN) 支持、高水平的并行性能和帶寬優(yōu)化,以及擁有最新AI算法的異構(gòu)加速器。對于第一種需求而言,自動/半自動駕駛時的可用空間檢測是一個不錯的應(yīng)用示例。此檢測目的在于沿著公路/高速公路的安全駕駛區(qū)域行駛,避開障礙物,避免駛上對向車道、未鋪砌的路肩和隔離帶。在這種情況下必須迅速響應(yīng),因此會將前方道路圖像分解為4個子幀,對其進(jìn)行并行處理。之后再在每個子圖像上運(yùn)行可用空間檢測,并重新組合以提供完整的結(jié)果。對于邊緣應(yīng)用中的此類人工智能而言,NeuPro-M可支持多達(dá)8個并行運(yùn)行的引擎。
大家對精度和性能的期望遠(yuǎn)不止并行這么簡單。如今的網(wǎng)絡(luò)開發(fā)人員希望利用現(xiàn)在NeuPro-M中采用硬件加速的專用功能,如矩陣分解、稀疏、Winograd及混合精度的神經(jīng)操作,且以上所有功能都可以在每個并行引擎中使用。
NeuPro-M于2022年發(fā)布,榮獲了“亞洲金選獎”之“金選潛力標(biāo)桿獎”及“2022年邊緣人工智能與視覺聯(lián)盟產(chǎn)品獎”之“年度最佳邊緣AI處理器榮譽(yù)獎”。目前已部署在設(shè)計中的多個SoC中,并預(yù)計會在未來幾年出現(xiàn)在最終產(chǎn)品中。
面向未來的解決方案
在標(biāo)準(zhǔn)CPU或GPU上運(yùn)行的純軟件AI解決方案效率過低,功耗又大,不太實用,但在理論上來說又具有一定的吸引力,因為您可以隨時更改軟件,而無需更改硬件。隨著AI技術(shù)和網(wǎng)絡(luò)層的發(fā)展,能否在獲得硬件加速帶來的所有性能和功耗優(yōu)勢的同時,保持靈活升級?
SensPro2和NeuPro-M能夠做到這一點。這些AI解決方案的矢量DSP基礎(chǔ)確保您能夠隨著市場需求和網(wǎng)絡(luò)的發(fā)展,在軟件中對產(chǎn)品實施進(jìn)行升級。CEVA的深度神經(jīng)網(wǎng)絡(luò) (CDNN) AI編譯器簡化了從標(biāo)準(zhǔn)網(wǎng)絡(luò)(TensorFlow、PyTorch等)實施到在特定SoC中實施時映射到處理器IP的一應(yīng)事宜。
您也可以在此步驟中控制優(yōu)化,以充分利用特殊加速器(如NeuPro-M中的加速器),或添加您在設(shè)計中可能需要的、自己的加速器。CEVA CDNN-Invite API為此類擴(kuò)展提供支持。
識別右側(cè)二維碼
立即了解
CEVA更多信息
?
關(guān)于CEVA
CEVA 是排名前列的無線連接和智能傳感技術(shù)以及集成 IP 解決方案授權(quán)商,旨在打造更智能、更安全、互聯(lián)的世界。我們?yōu)閭鞲衅魅诤?、圖像增強(qiáng)、計算機(jī)視覺、語音輸入和人工智能應(yīng)用提供數(shù)字信號處理器、人工智能處理器、無線平臺、加密內(nèi)核和配套軟件。這些技術(shù)與我們的 Intrinsix IP 集成服務(wù)一起提供給客戶,幫助他們解決復(fù)雜和時間關(guān)鍵的集成電路設(shè)計項目。許多世界排名前列的半導(dǎo)體廠商、系統(tǒng)公司和OEM利用我們的技術(shù)和芯片設(shè)計技能,為移動、消費(fèi)、汽車、機(jī)器人、工業(yè)、航天國防和物聯(lián)網(wǎng)等各種終端市場開發(fā)高能效、智能、安全的互聯(lián)設(shè)備。
我們基于 DSP 的解決方案包括移動、物聯(lián)網(wǎng)和基礎(chǔ)設(shè)施中的 5G 基帶處理平臺;攝像頭設(shè)備的高級影像技術(shù)和計算機(jī)視覺;適用于多個物聯(lián)網(wǎng)市場的音頻/語音/話音應(yīng)用和超低功耗的始終開啟/感應(yīng)應(yīng)用。對于傳感器融合,我們的 Hillcrest Labs 傳感器處理技術(shù)為耳機(jī)、可穿戴設(shè)備、AR/VR、PC機(jī)、機(jī)器人、遙控器、物聯(lián)網(wǎng)等市場提供廣泛的傳感器融合軟件和慣性測量單元 (“IMU”) 解決方案。在無線物聯(lián)網(wǎng)方面,我們的藍(lán)牙(低功耗和雙模)、Wi-Fi 4/5/6/6E (802.11n/ac/ax)、超寬帶(UWB)、NB-IoT和GNSS 平臺是業(yè)內(nèi)授權(quán)較為廣泛的連接平臺。
歡迎點亮“在看”哦
原文標(biāo)題:邊緣人工智能,從傳感器融合到深度神經(jīng)網(wǎng)絡(luò)
文章出處:【微信公眾號:CEVA】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
-
dsp
+關(guān)注
關(guān)注
553文章
8011瀏覽量
349122 -
藍(lán)牙
+關(guān)注
關(guān)注
114文章
5830瀏覽量
170471 -
CEVA
+關(guān)注
關(guān)注
1文章
178瀏覽量
75957
原文標(biāo)題:邊緣人工智能,從傳感器融合到深度神經(jīng)網(wǎng)絡(luò)
文章出處:【微信號:CEVA-IP,微信公眾號:CEVA】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論