0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

CEVA宣布DSP和语音神经网络支持新一代智能嵌入式设备发挥AI功能

牵手一起梦 来源:C114通信网 作者:佚名 2020-04-09 14:51 次阅读

CEVA,全球领先的无线连接和智能传感技术的授权许可厂商(NASDAQ:CEVA)宣布其CEVA-BX DSP内核与瞄准会话型人工智能AI)和情境感知应用的WhisPro™语音识别软件现在支持TensorFlow Lite for Microcontrollers,后者是一款可量产的跨平台框架,用于在边缘设备中的低功耗处理器上部署微型机器学习应用。

微型机器学习将AI的功能带到了极低功耗、始终开启的电池供电物联网IoT)设备上,可以在音频、语音、图像和运动等领域于设备上进行传感器数据分析。CEVA在边缘应用中采用整体式AI方法,确保使用TensorFlow Lite for Microcontrollers的客户能够利用统一的处理器架构来运行这个框架和相关的神经网络工作负载,以构建智能连接产品。CEVA的WhisPro语音识别软件和定制命令模型与TensorFlow Lite框架集成,进一步加快了小型语音助理和其他语音控制物联网设备的开发工作。

谷歌TensorFlow技术负责人Pete Warden表示:“CEVA一直处于嵌入式系统的机器学习和神经网络推理应用的最前沿,并且了解未来机器学习将向微型发展,进入功耗和成本均受到极大限制的设备。CEVA持续投资开发支持TensorFlow模型的功能强大的框架、工具和软件,从而提供突出的产品来支持新一代智能嵌入式设备发挥AI功能。”

CEVA首席技术官Erez Bar-Niv表示:“业界对于利用设备上AI来增强情境感知的需求不断增长,对话式AI工作负载也不断增长,给智能设备的成本、性能和能效带来了新的挑战。TensorFlow Lite for Microcontrollers通过提供精简框架来在资源受限的处理器上部署机器学习模型,极大地简化了这些设备的开发。我们针对CEVA-BX DSP和WhisPro语音识别模型对TensorFlow Lite框架进行了全面优化,能帮助减低SoC企业和OEM厂商为其设备增添智能传感功能的进入门槛。”

CEVA-BX DSP系列是高级可编程混合DSP/控制器,可为各种实时应用的信号处理和控制工作负载提供高效率运作。它使用11级流水线和5路VLIW微体系结构,通过双标量计算引擎并行处理、加载/存储和过程控制,达到5.5 4CoreMark/MHz性能,非常适合实时信号控制应用。其SIMD指令支持使其成为各种信号处理应用的理想选择,并且其双精度浮点单元可以高效处理情境感知和宽动态范围的传感器融合算法。除了进行实时AI推理外, CEVA-BX DSP系列还可帮助同时处理前端语音、传感器融合、音频处理和普通DSP工作负载。这可让客户和算法开发人员利用CEVA广泛的音频、语音和语音机器学习软件和程序库来加速其产品设计开发。

责任编辑:gt

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • dsp
    dsp
    +关注

    关注

    552

    文章

    7955

    浏览量

    347809
  • 神经网络
    +关注

    关注

    42

    文章

    4732

    浏览量

    100374
  • AI
    AI
    +关注

    关注

    87

    文章

    29611

    浏览量

    267910
收藏 人收藏

    评论

    相关推荐

    【飞凌嵌入式OK3576-C开发板体验】RKNN神经网络-车牌识别

    ,尤其适用于嵌入式设备等计算资源受限的场景。 、LPRNet模型下载 使用cd命令进入到Demo程序路径下,运行下载脚本,将模型程序下载过来。 cd ~/projects/rknn_model_zoo
    发表于 10-10 16:40

    【飞凌嵌入式OK3576-C开发板体验】RKNPU图像识别测试

    )公司开发的神经网络处理器(Neural Processing Unit),专门用于加速神经网络计算。以下是关于RKNPU的详细介绍: 2.1、定义与功能 定义 :RKNPU是在电
    发表于 10-10 09:27

    嵌入式系统的未来趋势有哪些?

    嵌入式系统是指将我们的操作系统和功能软件集成于计算机硬件系统之中,形成个专用的计算机系统。那么嵌入式系统的未来趋势有哪些呢? 1. 人工智能
    发表于 09-12 15:42

    基于MCU的神经网络模型设计

    嵌入式系统和物联网(IoT)应用中,微控制器(MCU)因其低功耗、低成本和高效能的特点而广受欢迎。然而,随着智能应用的不断发展,传统MCU在处理复杂任务,如图像识别、语音识别等时显得
    的头像 发表于 07-12 18:21 963次阅读

    BP神经网络和卷积神经网络的关系

    BP神经网络(Backpropagation Neural Network)和卷积神经网络(Convolutional Neural Network,简称CNN)是两种在人工智能和机器学习领域
    的头像 发表于 07-10 15:24 987次阅读

    rnn是递归神经网络还是循环神经网络

    RNN(Recurrent Neural Network)是循环神经网络,而非递归神经网络。循环神经网络种具有时间序列特性的神经网络,能
    的头像 发表于 07-05 09:52 453次阅读

    递归神经网络是循环神经网络

    。 递归神经网络的概念 递归神经网络种具有短期记忆功能神经网络,它能够处理序列数据,如时间序列、文本、
    的头像 发表于 07-04 14:54 571次阅读

    人工智能神经网络的结构是什么

    人工智能神经网络种模拟人脑神经网络的计算模型,其结构和功能非常复杂。 引言 人工智能
    的头像 发表于 07-04 09:37 396次阅读

    人工智能神经网络芯片的介绍

    人工智能神经网络芯片是类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等特点,广泛应用于图像识别、语音识别、自然
    的头像 发表于 07-04 09:33 505次阅读

    反向传播神经网络和bp神经网络的区别

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们
    的头像 发表于 07-03 11:00 560次阅读

    神经网络和人工智能的关系是什么

    神经网络和人工智能的关系是密不可分的。神经网络是人工智能种重要实现方式,而人工智能则是
    的头像 发表于 07-03 10:25 837次阅读

    生成AI神经网络模型的区别和联系

    生成AI神经网络模型是现代人工智能领域的两个核心概念,它们在推动技术进步和应用拓展方面发挥着至关重要的作用。本文将详细探讨生成
    的头像 发表于 07-02 15:03 533次阅读

    卷积神经网络和bp神经网络的区别

    化能力。随着深度学习技术的不断发展,神经网络已经成为人工智能领域的重要技术之。卷积神经网络和BP神经
    的头像 发表于 07-02 14:24 2105次阅读

    嵌入式系统发展前景?

    应用领域。随着汽车电子化和智能化程度的不断提高,嵌入式系统将在汽车控制、安全系统、自动驾驶等方面发挥更为重要的作用。 工智能和机器学习技术的发展为
    发表于 02-22 14:09

    恩智浦发布新一代智能语音技术组合的语音识别引擎

    恩智浦发布新一代智能语音技术组合的语音识别引擎。本文将探讨开发人员在嵌入式语音控制设计中面临的挑
    的头像 发表于 01-26 09:15 688次阅读
    恩智浦发布<b class='flag-5'>新一代</b><b class='flag-5'>智能</b><b class='flag-5'>语音</b>技术组合的<b class='flag-5'>语音</b>识别引擎