새로운 아이폰 X는 얼굴 인식을위한 신경 엔진을 통합, 그러나 이것은 시작에 불과합니다. 임베디드 신경 엔진과 전용 프로세서는 클라우드에 대한 의존도를 깨고, 장치의 가장자리에 스마트 인공 지능 (AI)을 구현합니다. 가장자리 처리 이득, 지연 시간, 네트워크의 전체 범위를 감소 프라이버시와 보안을 증가시킴으로써 때문에, 상기의 이점을 갖는들. 비용을 절감 웹과 통신을 감소 포함 모바일 장치는 단지 최근에 달성하는 인공 지능의 사용을 촉진 할 수있다 공상 과학 소설에 나타날 수있는 장면.
과거의 기계는 이제 실시간 데이터 처리 센터가되었습니다.
난 그냥 같은 자동차, 무인 차량 로봇에 한 번 순수하게 기계적인 기계이었다. 기회가 내장 된 세계에서 AI 기술에 가까운 것으로, 우리의 연간 세미나를 완료, 지금은 시각적으로 지적되고있다 , 인식, 추적, 분류, 탐지, 식별 및 기타 기능. 지금, 이러한 장치는 공정 데이터를 수집하고 컴퓨터 비전 및 센서 융합을 사용하고 실시간 의사 결정을 내릴. 어떤 경우에는, 같은 무인 차량과 무인 항공기로, 결정이 중요하다, 지연 처리부 클라우드 용인 응답 시간을 초래할 수있다. 온 - 칩 지능, 이러한 시스템들은 더 정확하게 데이터 센터에 대해 정의된다.
좋은 예는 운전자없는 차량으로 시각적 인 센서와 기타 센서, 위성 위치 확인 정보 및 연결 솔루션을 필요로하며 클라우드 기반의 처리 과정에서 데이터 융합 및 분석을위한 '뇌'가 있어야합니다. 또한 정보는 자동 조종 기능에서 중요한 역할을 할 것이며 즉시 결정을 내릴 수있는 온보드 프로세서가 있어야하며 산발적 인 상황에서도 차량이 위험하지 않아 프로세서가 처리 할 수있는 것이 중요합니다 선택적인 기능이 아니라 집중적 인 심화 학습 계산이 필요합니다.
신경 회로망의 가장자리 처리가 주류가되고있다.
스마트 폰 분야에서 Apple은 새로운 틈새 시장이나 틈새 시장 액세서리의 시금석이며 Apple의 새로운 플래그십 iPhone X가 출시됨에 따라 전용 신경 엔진이 기본 장착되어 있습니다. 인공 지능 가장자리 처리에 대한 한 가지 중요한 점은 동료가 최신 Apple 전화를 출시하기 전에 예측했듯이 곧 각 카메라 장착 장치에 시각적 DSP 또는 기타 특수 신경망 프로세서가 포함될 것임을 의미합니다. 얼굴 인식 기술을 구현하는 신경 엔진으로 사용자가 iPhone을 잠금 해제하기 위해 휴대 전화를 볼 수 있습니다. 초고속 응답 시간과 사생활 보호 및 보안 수준을 고려하면 전화로 모든 인식 처리를 완료해야합니다. 인공 지능 기능은 더욱 흥미 진진한 인공 지능 기능을 계속해서 도입 할 것입니다.
구글은 최신 대표 전화 화소 (2)는 시각적 코어 (픽셀 카메라 코어) 프로세서를 통해 달성이라는 화소. 스마트 폰의 매우 경쟁적인 분야에서, 구글의 차이를 인식해야 유사한 기능을 추가했다. 방법 첫째, 소프트웨어 픽셀 카메라의 도입이 뛰어난 스마트 폰 장착. 그러나, 이미지 향상은 연산 집약적, 단일 렌즈 bokeh 효과에 필요한 사진의 동적 범위를 증가, 이러한 기능의 대부분은 현재 스마트 폰을 선도하는 표준 치료와 함께 제공 장치에 효율적으로 실행할 수 없습니다. 구글은 기린 (970) 또 다른 큰 차이점은 화웨이에 반영 될 수있는 AI 기능을 추가하여 이러한 기능에 대한 두 번째 칩을 추가하기로 결정 최근 신경 엔진의 통합을 발표 그래서,에 추가 많은 다른 회사들도이 대회에 참가하고 있습니다.
비주얼 DSP 엔진을 기반으로 칩 인텔리전스를 실현하는 방법은 무엇입니까?
장점은 분명 가장자리 처리를하지만, 그것은 또한 도전을 제공합니다. 도전은 전원이 다른 많은 처리 작업에 소모되는 동안 작은 휴대용 장치를 넣어, 서버 데이터 컴퓨팅 거대한에서 수행되어야한다 에.이 DSP 시각 가장자리 AI에 중요한의 성공적인 실현을위한 이유입니다. 간소화하고 효율적인,하지만 강력한 벡터화 성능의 DSP 프로세서는 완전한 신경 학적 엔진 부하를위한 최선의 선택을합니다.
, 원 스톱 서비스의 또 다른 과제는 임베디드 DSP 환경에 존재하는 신경 네트워크를 변환하는 것은.이 비용이 매우 비싼되고, 개발 시간의 많은 양을 소비 할 수 방법이다. 그러나 자동화 툴 체인을 지원 '키 조작'하는 분석 및 네트워크의 최적화는 임베디드 환경으로 전환. 이러한 도구를 들어, 많이 덮고있는 가장 진보 된 네트워크는 모든 네트워크 쉽게 최적화 된 임베디드 디바이스에서 실행 될 수 있도록하는 것이 매우 중요합니다.
마이그레이션 및 최적화 프로세스가 완료된 후 입력 데이터는 일반적으로 정보 손실을 최소화하면서 더 빠른 처리를 완료하기 위해 다운 샘플링됩니다. 예를 들어, 빠른 RCNN (PDF) 프로세스에서 두 가지 처리 단계, 지역 권장 사항 (제안 지역)을 분류하고 지역을 분류합니다.
초 저전력 프로세서 시각적 DSP의 CEVA-XM 가족, 상기 CEVA-CNN 하드웨어 가속기 (HWA), 뉴럴 네트워크 프로세싱 가속 (예를 들어, 빠른 RCNN)하여 성능을 개선하기 위해 추가 될 수있다 이러한 작업을 수행하도록 구성된다.에서 그림에서 볼 수 있듯이 우리의 5 세대 CEVA-XM6 비전 프로세서는 이전 세대 인 CEVA-XM4에 비해 성능이 크게 향상되었으며 CEVA-CNN 하드웨어 가속기를 추가하는 것이 중요한 단계입니다.
인공 지능을 기반으로 깊이 연구는 핸드 헬드 장치에 대한 끝없는 기회를 제공합니다 : 이미지 향상 DSLR의 사진 품질, 향상된 가상 현실 응용 프로그램, 환경 인식, 회피 및 탐색, 탐지, 추적, 식별, 분류, 세분화, 매핑하여 얻은, 포지셔닝, 비디오 강화 등 우리는 손바닥만한 힘을 가지고 있습니다. 스마트 폰의 통화 기능이 중요하지 않은 것처럼 보입니다.
