电子发烧友网>电子资料下载>电子资料>使用低成本模块和 MicroPython 快速构建基于 AI 的视觉和听觉设备

使用低成本模块和 MicroPython 快速构建基于 AI 的视觉和听觉设备

2388710 2022-11-25 | pdf | 298.88KB | 次下载 | 免费

资料介绍

为了满足对智能互联产品日益增长的需求，开发人员越来越多地转向机器学习 (ML) 等人工智能 (AI) 方法。然而，开发人员经常面临艰难的硬件选择。他们可以将他们的设计基于具有成本效益但缺乏足够的复杂算法性能的通用处理器，或者他们可以使用提供高性能但增加设计成本和复杂性的专用解决方案。为了满足对智能互联产品日益增长的需求，开发人员越来越多地转向机器学习 (ML) 等人工智能 (AI) 方法。然而，开发人员经常面临艰难的硬件选择。他们可以将他们的设计基于具有成本效益但缺乏足够的复杂算法性能的通用处理器，或者他们可以使用提供高性能但增加设计成本和复杂性的专用解决方案。这些不再是唯一的选择。本文介绍了这些不再是唯一的选择。本文介绍了Seeed TechnologySeeed Technology提供的一种更简单、经济高效的替代方案，它允许开发人员使用熟悉的 MicroPython 编程语言部署基于 AI 的高性能解决方案。提供的一种更简单、经济高效的替代方案，它允许开发人员使用熟悉的 MicroPython 编程语言部署基于 AI 的高性能解决方案。机器学习方法机器学习方法ML 算法的成功吸引了开发人员的注意，他们正在广泛的应用程序中寻找更有效的对象检测和语音识别方法。在这些算法中，卷积神经网络 (CNN) 已经证明了机器视觉和听觉应用所需的那种高度准确的识别。因此，CNN 和类似的深度神经网络 (DNN) 在个人电子产品、可穿戴设备和物联网 (IoT) 设计中的应用越来越广泛。ML 算法的成功吸引了开发人员的注意，他们正在广泛的应用程序中寻找更有效的对象检测和语音识别方法。在这些算法中，卷积神经网络 (CNN) 已经证明了机器视觉和听觉应用所需的那种高度准确的识别。因此，CNN 和类似的深度神经网络 (DNN) 在个人电子产品、可穿戴设备和物联网 (IoT) 设计中的应用越来越广泛。对于具有适度 CNN 推理要求的应用程序，开发人员可以使用在具有单指令、多数据 (SIMD) 架构和数字信号处理 (DSP) 扩展的通用处理器上运行的神经网络软件库来实施成功的解决方案（请参阅“对于具有适度 CNN 推理要求的应用程序，开发人员可以使用在具有单指令、多数据 (SIMD) 架构和数字信号处理 (DSP) 扩展的通用处理器上运行的神经网络软件库来实施成功的解决方案（请参阅“构建机器学习应用程序”用树莓派构建机器学习应用程序”用树莓派”）。”）。对于更苛刻的要求，开发人员可以使用现场可编程门阵列 (FPGA) 构建更强大的基于 CNN 的设计，FPGA 嵌入了能够加速 ML 算法的高性能 DSP 模块（请参阅“对于更苛刻的要求，开发人员可以使用现场可编程门阵列 (FPGA) 构建更强大的基于 CNN 的设计，FPGA 嵌入了能够加速 ML 算法的高性能 DSP 模块（请参阅“使用 FPGA 构建高性能嵌入式视觉应用程序与机器学习使用 FPGA 构建高性能嵌入式视觉应用程序与机器学习”）。”）。