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

边缘人工智能,从传感器融合到深度神经网络

CEVA 来源:未知 2023-02-10 01:55 次阅读

AI在边缘领域的优势现在是显而易见的。在这些领域中,实时响应起到决定性的作用。比如说,在安全敏感型应用中,既要将原始数据传输到云的通信成本降至最低,又要降低功耗、保护隐私并提高对多个边缘节点的可扩展性。

对于以上这些要求,我们建议通过边缘设备内的人工智能而不是远程云服务来满足。然而,一个AI引擎无法服务我们现在所知的边缘应用范围。家用电器可能只需要识别一组简单的语音命令或食品容器上的图片。更复杂的监控系统或工业机器人系统则可能需要融合图像传感器、麦克风、运动传感器等的多方输入。

就高端领域而言,自动或半自动驾驶识别系统需要用到非常复杂的深度神经网络 (DNN)。CEVA SensPro2 和NeuPro-M平台恰能满足这些需求。

边缘AI市场

自现在起至本世纪末,边缘AI处理器芯片市场的年复合增长率预计将达到20%左右。这一增长是由智能设备采用率/发展程度不断提高推动的,具体涉及:摄像头、可穿戴设备和家庭自动化领域消费者;安全和自动化程度日益提高的汽车行业;行业监控、机器人、机器/工厂控制和预测性维护。

最有可能在这些领域取得成功的产品自然必须功能十足、性能强大,如此才能满足应用这些产品的认可需求。此类产品必须根据消费者定价和/或在大规模部署时具有成本效益,同时还应该最大限度地减少现有无线基础设施的增量负载。此类产品的软件还必须可以升级,如此才能适应快速发展的AI技术领域的新兴解决方案。

传感器融合和SensPro2

除了最简单的智能边缘设备之外,其他所有设备现在都使用多个传感器。两个或更多传感器的融合信息通常可让智能系统提供准确性度更高的信息或补充信息。例如,在自动平行泊车或自动代客泊车系统中,可结合使用探测可用空间的视觉传感技术/雷达与超声波测距技术,另外也可以结合使用IMU输入,进一步细化定位估计结果。SLAM算法可以对这些功能形成补充,在停车场内导航以便自动代客泊车。

CEVA SensPro2传感器中枢DSP是传感器中枢/融合应用的完美答案。SensPro2是第二代CEVA传感器中枢DSP,允许图像传感器、麦克风、雷达、飞行时间、IMU 等的多个传感器输入。

基于神经网络的软件可在这种DSP架构上快速运行。因为这种架构提供整套丰富的硬件支持功能,包括:具有灵活MAC操作范围的矢量单元、整数和浮点运算支持、针对应用的ISA扩展和全面的非线性指令集。SensPro2可利用这些功能提供2倍的AI速度、6倍的SLAM速度、8倍的雷达速度、10倍的音频速度(相较于上一代SensPro而言)。

在各种消费者应用中,边缘人工智能已通过SensPro2部署到SoC,最近发布的新Novatek监控SoC版本就是一个示例。

DNN 智能和NeuPro-M

高端边缘智能需要深度神经网络 (DNN) 支持、高水平的并行性能和带宽优化,以及拥有最新AI算法的异构加速器。对于第一种需求而言,自动/半自动驾驶时的可用空间检测是一个不错的应用示例。此检测目的在于沿着公路/高速公路的安全驾驶区域行驶,避开障碍物,避免驶上对向车道、未铺砌的路肩和隔离带。在这种情况下必须迅速响应,因此会将前方道路图像分解为4个子帧,对其进行并行处理。之后再在每个子图像上运行可用空间检测,并重新组合以提供完整的结果。对于边缘应用中的此类人工智能而言,NeuPro-M可支持多达8个并行运行的引擎

大家对精度和性能的期望远不止并行这么简单。如今的网络开发人员希望利用现在NeuPro-M中采用硬件加速的专用功能,如矩阵分解、稀疏、Winograd及混合精度的神经操作,且以上所有功能都可以在每个并行引擎中使用。

NeuPro-M于2022年发布,荣获了“亚洲金选奖”之“金选潜力标杆奖”“2022年边缘人工智能与视觉联盟产品奖”之“年度最佳边缘AI处理器荣誉奖”。目前已部署在设计中的多个SoC中,并预计会在未来几年出现在最终产品中。

面向未来的解决方案

在标准CPUGPU上运行的纯软件AI解决方案效率过低,功耗又大,不太实用,但在理论上来说又具有一定的吸引力,因为您可以随时更改软件,而无需更改硬件。随着AI技术和网络层的发展,能否在获得硬件加速带来的所有性能和功耗优势的同时,保持灵活升级?

SensPro2和NeuPro-M能够做到这一点。这些AI解决方案的矢量DSP基础确保您能够随着市场需求和网络的发展,在软件中对产品实施进行升级。CEVA的深度神经网络 (CDNN) AI编译器简化了从标准网络(TensorFlow、PyTorch等)实施到在特定SoC中实施时映射到处理器IP的一应事宜。

您也可以在此步骤中控制优化,以充分利用特殊加速器(如NeuPro-M中的加速器),或添加您在设计中可能需要的、自己的加速器。CEVA CDNN-Invite API为此类扩展提供支持。

识别右侧二维码

立即了解

CEVA更多信息

5822749a-a8a2-11ed-bfe3-dac502259ad0.png  

58e6a662-a8a2-11ed-bfe3-dac502259ad0.gif

关于CEVA

590c73a6-a8a2-11ed-bfe3-dac502259ad0.svg

CEVA 是排名前列的无线连接和智能传感技术以及集成 IP 解决方案授权商,旨在打造更智能、更安全、互联的世界。我们为传感器融合、图像增强、计算机视觉、语音输入和人工智能应用提供数字信号处理器、人工智能处理器、无线平台、加密内核和配套软件。这些技术与我们的 Intrinsix IP 集成服务一起提供给客户,帮助他们解决复杂和时间关键的集成电路设计项目。许多世界排名前列的半导体厂商、系统公司和OEM利用我们的技术和芯片设计技能,为移动、消费、汽车、机器人、工业、航天国防和物联网等各种终端市场开发高能效、智能、安全的互联设备。

我们基于 DSP 的解决方案包括移动、物联网和基础设施中的 5G 基带处理平台;摄像头设备的高级影像技术和计算机视觉;适用于多个物联网市场的音频/语音/话音应用和超低功耗的始终开启/感应应用。对于传感器融合,我们的 Hillcrest Labs 传感器处理技术为耳机、可穿戴设备、AR/VR、PC机、机器人、遥控器、物联网等市场提供广泛的传感器融合软件和惯性测量单元 (“IMU”) 解决方案。在无线物联网方面,我们的蓝牙(低功耗和双模)、Wi-Fi 4/5/6/6E (802.11n/ac/ax)、超宽带(UWB)、NB-IoT和GNSS 平台是业内授权较为广泛的连接平台。

欢迎点亮“在看”哦

591d9050-a8a2-11ed-bfe3-dac502259ad0.gif


原文标题:边缘人工智能,从传感器融合到深度神经网络

文章出处:【微信公众号:CEVA】欢迎添加关注!文章转载请注明出处。


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

    554

    文章

    8060

    浏览量

    350859
  • 蓝牙
    +关注

    关注

    114

    文章

    5884

    浏览量

    171418
  • CEVA
    +关注

    关注

    1

    文章

    186

    浏览量

    76050

原文标题:边缘人工智能,从传感器融合到深度神经网络

文章出处:【微信号:CEVA-IP,微信公众号:CEVA】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    智能传感器如何推动边缘人工智能普及化

              智能传感器推动 边缘AI普及化         前言 英伟达公司(Nvidia)于日前发布了全新的50系显卡,在提高游戏性能的同时,着重优化了人工智能(AI)表现,
    的头像 发表于 01-15 14:26 428次阅读
    看<b class='flag-5'>智能</b><b class='flag-5'>传感器</b>如何推动<b class='flag-5'>边缘人工智能</b>普及化

    边缘设备上设计和部署深度神经网络的实用框架

    ,以及由强大而高效的软件工具链补充的低成本边缘设备的可用性。此外,需要避免通过网络传输数据——无论是出于安全原因还是仅仅为了尽量减少通信成本。 边缘人工智能涵盖广泛的设备、传感器、微控
    的头像 发表于 12-20 11:28 324次阅读

    嵌入式和人工智能究竟是什么关系?

    人工智能的结合,无疑是科技发展中的一场革命。在人工智能硬件加速中,嵌入式系统以其独特的优势和重要性,发挥着不可或缺的作用。通过深度学习和神经网络等算法,嵌入式系统能够高效地处理大量数
    发表于 11-14 16:39

    Moku人工神经网络101

    Moku3.3版更新在Moku:Pro平台新增了全新的仪器功能【神经网络】,使用户能够在Moku设备上部署实时机器学习算法,进行快速、灵活的信号分析、去噪、传感器调节校准、闭环反馈等应用。如果您
    的头像 发表于 11-01 08:06 377次阅读
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神经网络</b>101

    FPGA在深度神经网络中的应用

    随着人工智能技术的飞速发展,深度神经网络(Deep Neural Network, DNN)作为其核心算法之一,在图像识别、语音识别、自然语言处理等领域取得了显著成果。然而,传统的深度
    的头像 发表于 07-24 10:42 845次阅读

    人工神经网络的案例分析

    人工神经网络(Artificial Neural Network, ANN)作为深度学习领域的重要分支,自20世纪80年代以来一直是人工智能领域的研究热点。其灵感来源于生物
    的头像 发表于 07-08 18:20 947次阅读

    人工神经网络模型的分类有哪些

    详细介绍人工神经网络的分类,包括前馈神经网络、卷积神经网络、循环神经网络深度
    的头像 发表于 07-05 09:13 1418次阅读

    深度神经网络的设计方法

    深度神经网络(Deep Neural Networks, DNNs)作为人工智能领域的重要技术之一,通过模拟人脑神经元之间的连接,实现了对复杂数据的自主学习和
    的头像 发表于 07-04 13:13 593次阅读

    人工智能神经网络系统的特点

    人工智能神经网络系统是一种模拟人脑神经网络结构和功能的计算模型,具有高度的自适应性、学习能力和泛化能力。本文将介绍人工智能神经网络系统的特点
    的头像 发表于 07-04 09:42 593次阅读

    人工智能人工神经网络有什么区别

    人工智能(Artificial Intelligence,简称AI)和人工神经网络(Artificial Neural Network,简称ANN)是两个密切相关但又有所区别的概念。 定义和起源
    的头像 发表于 07-04 09:39 1553次阅读

    人工智能神经网络的结构是什么

    人工智能神经网络是一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 人工智能神经网络是一种模拟人脑
    的头像 发表于 07-04 09:37 695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一类专门为深度学习和神经网络算法设计的处理。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 09:33 981次阅读

    神经网络人工智能的关系是什么

    神经网络人工智能的关系是密不可分的。神经网络人工智能的一种重要实现方式,而人工智能则是神经网络
    的头像 发表于 07-03 10:25 1410次阅读

    深度学习与卷积神经网络的应用

    随着人工智能技术的飞速发展,深度学习和卷积神经网络(Convolutional Neural Network, CNN)作为其中的重要分支,已经在多个领域取得了显著的应用成果。图像识
    的头像 发表于 07-02 18:19 1074次阅读

    神经网络人工智能的关系

    在快速发展的科技领域,人工智能(Artificial Intelligence, AI)和神经网络(Neural Networks)是两个备受瞩目的概念。它们之间的联系紧密而复杂,共同推动了智能
    的头像 发表于 07-01 14:23 1118次阅读