<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>

新聞中心

EEPW首頁(yè) > 智能計算 > 設計應用 > 人工智能機器視覺(jué)需求猛增,sensAI重塑深度情境感知

人工智能機器視覺(jué)需求猛增,sensAI重塑深度情境感知

作者: 時(shí)間:2023-03-30 來(lái)源:電子產(chǎn)品世界 收藏

智能手機和各類(lèi)物聯(lián)網(wǎng)設備的指數級增長(cháng)推動(dòng)了網(wǎng)絡(luò )邊緣計算的發(fā)展,這些設備無(wú)處不在,但如果將其產(chǎn)生的全部數據都向云端發(fā)送,毫無(wú)疑問(wèn)將為云端處理帶來(lái)極大的負擔。因此,基于網(wǎng)絡(luò )邊緣的處理十分必要,不僅可以降低云端的網(wǎng)絡(luò )通信成本和云存儲成本,還能避免云端數據通道過(guò)載。

本文引用地址:http://dyxdggzs.com/article/202303/445131.htm

目前,網(wǎng)絡(luò )邊緣產(chǎn)品和應用的開(kāi)發(fā)人員越來(lái)越多地采用人工智能和機器學(xué)習(AI/ML)算法來(lái)匹配和識別復雜的模式,以幫助分析數據并據此做出決策。事實(shí)上,AI/ML技術(shù)的使用增長(cháng)極其迅猛,ABI Research的數據顯示,預計到2024年,設備端AI推理功能將覆蓋60%的設備。

但許多可以利用AI/ML功能的網(wǎng)絡(luò )邊緣設備,往往需要在極其嚴苛的功耗限制下運行,充一次電或者僅依靠收集和存儲能量就要工作幾個(gè)月甚至幾年。另一方面,近十年來(lái)AI模型快速發(fā)展,不斷有新的實(shí)現方式產(chǎn)生,需要有更出色的硬件來(lái)承載,這就需要硬件和算法上的優(yōu)化。

作為推出的業(yè)界第一款用于網(wǎng)絡(luò )邊緣設備端AI處理的完整解決方案集合,SensAITM提供了供開(kāi)發(fā)人員評估、開(kāi)發(fā)和部署基于FPGA的機器學(xué)習/人工智能解決方案所需的全部資源,包括模塊化硬件平臺、演示示例、參考設計、神經(jīng)網(wǎng)絡(luò )IP核、軟件開(kāi)發(fā)工具和定制化設計服務(wù),旨在解決系統對于日益嚴格的功耗和小尺寸(5mm2到100mm2)的要求,目前已演進(jìn)到最新的6.0版本。

初識 6.0

增強對高性能AI解決方案的支持,是此次 6.0版本推出的初衷。根據IoT Analytics報告,2020年,制造業(yè)和工業(yè)中的人工智能市場(chǎng)規模約為41億美元,預計到2025年將增加至152億美元,年復合年增長(cháng)率(GAGR)為30%,而傳統部署的年復合增長(cháng)率僅為6.5%。

如此高的年復合增長(cháng)率是因為下一代實(shí)時(shí)邊緣人工智能機器視覺(jué)的應用,不僅限于質(zhì)量保證和產(chǎn)品檢測應用,還要幫助制造商和使用者獲得更多的正常運行時(shí)間、獲得預防性維護的能力、提高生產(chǎn)力和確保工人安全等諸多受益。

為順應這一趨勢, 6.0對硬件平臺的支持從最初的iCE40/CrossLink-NX/ECP5/CertusPro-NX拓展到了Avant,這也是新推出的低功耗中端FPGA平臺。與此前的產(chǎn)品相比,Avant平臺在性能和硬件資源方面得到了進(jìn)一步的強化,例如邏輯單元容量達到了500K,相比以往100K-150K的配置,提升了5倍;帶寬提升了10倍,計算性能提升30倍。它的面世不但意味著(zhù)邁入了中端FPGA供應商的行列,還打開(kāi)了一扇通往30億美元增量市場(chǎng)的新大門(mén)。

1680165973520390.png

萊迪思sensAI 6.0解決方案集合

萊迪思sensAI 6.0解決方案集合中的IP核包括多種類(lèi)型的卷積神經(jīng)網(wǎng)絡(luò )(CNN)加速器——CNN、CNN Plus、CNN Compact、Advanced CNN、以及一個(gè)CNN協(xié)處理器引擎,能讓開(kāi)發(fā)人員使用其他人發(fā)布的廣泛使用的各類(lèi)CNN,例如Mobilenet v1/v2、Resent、SSD、VGG、OpenCV和標準機器學(xué)習(ML)訓練平臺,或者根據需要自定義CNN模型,再依托萊迪思FPGA的并行處理能力、分布式存儲器和DSP資源,極大簡(jiǎn)化了超低功耗AI設計的實(shí)現。

 

1680165996961593.png

SensAI支持多種AI算法模型

軟件工具層面,sensAI Studio設計環(huán)境是一種基于圖形用戶(hù)界面(GUI)的工具,擁有AI模型庫,經(jīng)過(guò)配置和訓練可適用于各類(lèi)主流應用場(chǎng)景,可幫助開(kāi)發(fā)人員快速構建機器學(xué)習應用,此番在sensAI 6.0中與編譯器工具一起獲得更新,用以支持新的AI加速引擎。

Glance by Mirametrix?計算機視覺(jué)軟件(V10.0)的更新,則主要集中在對用戶(hù)界面、攝像頭功能、外部用戶(hù)界面(UI)模式的優(yōu)化和低功耗FPGA的支持,是本次更新的重點(diǎn)內容之一。

Glance是由Mirametrix公司開(kāi)發(fā)的注意力感應軟件,軟件配合IR Camera(紅外攝像頭)可捕捉用戶(hù)的面部、眼睛和凝視動(dòng)作,從而了解用戶(hù)的意識和注意力。利用這項獨特的技術(shù)開(kāi)發(fā)的智能設備,能提供更自然和沉浸式的用戶(hù)體驗和設備交互。2021年,萊迪思通過(guò)全現金方式交易收購Mirametrix公司,將Mirametrix的專(zhuān)業(yè)知識與萊迪思創(chuàng )新的硬件和軟件解決方案堆棧相結合,從而創(chuàng )建出了一個(gè)從硬件到應用層的端到端AI和計算機視覺(jué)解決方案。

塑造能力

萊迪思FPGA提供可編程I/O,經(jīng)配置可支持傳感器接口常用的多種電氣接口標準,公司還提供許多硬核和軟核IP模塊以支持不同的傳感器通信協(xié)議。由于FPGA長(cháng)期以來(lái)在傳感器融合方面具有顯著(zhù)優(yōu)勢,因此萊迪思sensAI 6.0解決方案集合包括許多參考設計示例,演示了多種智能傳感器融合的應用案例,它們可以同時(shí)運行,實(shí)現深入的情景感知,例如:

●   人員偵測

該參考設計使用CMOS圖像傳感器持續檢測人員的存在?;诖嗽O計的AI系統可以使用深度學(xué)習框架(例如Caffe或Tensorflow)更新所提供的訓練模型來(lái)檢測和定位任何感興趣的目標。該參考設計包括一個(gè)神經(jīng)網(wǎng)絡(luò )模型、一個(gè)訓練數據集和可使用常用訓練工具訓練的腳本。

●   條形碼檢測和讀取

條形碼檢測和讀取是一種應用程序,通常使用混合了傳統和基于A(yíng)I/ML的算法的加速工業(yè)PC運行。由于設計者希望降低部署成本,具有內置條形碼讀取功能的攝像頭可以更簡(jiǎn)單地實(shí)現應用程序。因此,此參考設計演示了使用CertusPro NX FPGA語(yǔ)音和視覺(jué)機器學(xué)習板的條形碼檢測,該板實(shí)現了基于Yolov5 NN模型的攝像頭條形碼檢測功能。

資料顯示,該參考設計允許640 x 480的圖像分辨率輸入,裁剪并縮小到160 x 120進(jìn)行處理,檢測結果可在FPGA內疊加至輸入圖像的頂部。同時(shí),使用Yolov5型網(wǎng)絡(luò ),實(shí)現了在小占地面積內提高精度的目標。

1680166029873321.png

條形碼檢測和讀取參考設計

●   目標檢測、分類(lèi)、追蹤和計數

該參考設計提供了目標檢測、分類(lèi)、追蹤和計數的示例,擁有完整的設計,包括用于萊迪思開(kāi)發(fā)板的FPGA RTL、神經(jīng)網(wǎng)絡(luò )模型、示例訓練數據集以及用于重新創(chuàng )建和更新設計的腳本。

1680166076890936.png

目標分類(lèi)參考設計

●   手勢檢測

該參考設計使用IR圖像傳感器,實(shí)現了一個(gè)基于A(yíng)I的低功耗手勢檢測系統。該參考設計提供了一個(gè)訓練數據集、可使用常用神經(jīng)網(wǎng)絡(luò )訓練工具訓練的腳本以及一個(gè)神經(jīng)網(wǎng)絡(luò )模型,方便用戶(hù)進(jìn)行修改。

●   人臉檢測

該參考設計使用圖像傳感器實(shí)現基于CNN的人臉識別,并且可以通過(guò)修改訓練數據庫來(lái)識別其他類(lèi)型的目標。

●   關(guān)鍵詞檢測

該參考設計使用數字MEMS麥克風(fēng)持續檢測關(guān)鍵詞話(huà)語(yǔ)。設計人員可以使用深度學(xué)習框架(例如Caffe、Tensorflow或Keras)更新提供的訓練數據集,為系統添加喚醒詞功能。參考設計包括一個(gè)訓練數據集、可使用常用神經(jīng)網(wǎng)絡(luò )訓練工具訓練的腳本以及一個(gè)神經(jīng)網(wǎng)絡(luò )模型,方便用戶(hù)進(jìn)行修改。

與此同時(shí),萊迪思還正與合作伙伴和客戶(hù)合作,利用多模式、智能傳感器融合和AI/ML技術(shù),不斷提升PC/筆記本電腦用戶(hù)的體驗,并顯著(zhù)降低筆記本電腦的運行功耗,在某些應用中,電池使用時(shí)間最多提高了28%。

結語(yǔ)

此次更新的Automate?3.0和sensAI?6.0解決方案集合,均在萊迪思低功耗FPGA上運行,可實(shí)現高效、靈活和安全的工業(yè)應用開(kāi)發(fā),同時(shí)帶來(lái)低功耗和小尺寸優(yōu)勢。設計人員可以在不依賴(lài)云端的情況下,快速為網(wǎng)絡(luò )邊緣設備提供更多計算資源,從而最大程度幫助客戶(hù)實(shí)現最新的工廠(chǎng)自動(dòng)化和工業(yè)機器視覺(jué)應用。



評論


相關(guān)推薦

技術(shù)專(zhuān)區

關(guān)閉
国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>