Huawei letzten Monat veröffentlicht das P20 Pro und P20, unter den besten Ranking am Tag der Veröffentlichung der DxOMark Handy-Kamera und führende Rand ist nicht 1 Punkt 2 Punkte vor dem P20 Pro als Top Samsung Galaxy S9 Plus-hohe 10 Punkte, kann gesagt werden, nicht eine Ära, aber ein oder zwei der Zeit voraus. natürlich P20 Pro 1 / 1,73 Zoll CMOS-Spezifikationen sind unvermeidlich, dass einige Bully Menschen, aber der 1 / 2.7 P20-Zoll-CMOS im Vergleich zum Galaxy S9 plus Pixel 2 nur geringfügig Spezifikationen sind Hoch, aber die Bildqualität hat auch Vorteile: Woher kommt dieser Vorteil?
Verbessern die Qualität der Fotografie ist, zwei Ideen zu haben, einen heftigen Kampf Hardware, wie beispielsweise die Verwendung einer größeren Fläche, die größer Pixel CMOS, mechanische optische Bildstabilisierung, größere Öffnung erhöhen, und die zweite ist die Idee der soft power: Algorithms Und Optimierung.
Die erste Idee ist ein typischer Fall das Samsung Galaxy S9 Plus ist, vor dem Galaxy S8 relativ Galaxy S7-Basis-Kamera nur Zeitmarkierung, während das Galaxy S9 plus den Einsatz neuer 1,4 um CMOS-DRAM mit einer Dreischichtstapel Pionierarbeit geleistet, aber dies nur ein sekundärer Faktor ist es, die Bilder der wichtigsten Faktoren ist, die wirklich großen Schritt nach vorn großen Sprung nach vorn optischen Komponenten, Galaxy S9 plus-Durchbruch wählt eine große Blende von F1.5. aber die Verwendung einer so großen Öffnung zu erhöhen, ist erforderlich, um einen hohen Preis zu zahlen, Erstens, mehr als F1.8 große Öffnung der Produktion sehr schwierig ist, sehr geringe Ausbeute, was zu hohen Produktionskosten Kameramodul und die zweite Öffnung zu groß ist, in hellen Szenen wird das Bild überbelichtet, GS9 sogar physisch eingeführt machen Die Änderung der Blende zur Lösung dieses Problems erhöht die Komplexität der Kameraanordnung erheblich und verringert die Zuverlässigkeit.
Eine weitere Idee ist es, die Software-Algorithmen zur Optimierung der typische Fall ist, dass Pixel 2, 12.2MP, 1,4 um Pixel, die Hardware-Spezifikationen von f / 1.8 einzelne Kamera nicht sehr übertrieben ist, aber immer noch kann iPhone X und anderes Hardware-Monster überwältigen, eine Stimme, dies ist dank DeepLab-v3 + Algorithmus. wird dieser Algorithmus auf die Tiefe des Lernens AI natürliche Netzwerk, Echtzeit-Analyse auf der Szene durchgeführt werden kann, die Identifizierung der Zielszeneninhalt basiert, für die Optimierung. HDR + und Szene-Verarbeitung, zu einem gewissen Grad Überbelichtung Fall zu vermeiden aufgetreten. DeepLab-v3 + Algorithmus meisten porter Stunt ist eine einzige Kamera Schärfentiefe zu erzielen Bilder durch den Algorithmus zu nehmen, ist eine solche Funktionalität implementiert eine Menge Codierung und Decodierung Operationen erfordert, mehrere Probennahme und Umwandlung, ist der Rechenaufwand sehr groß. Google Pixel 2 zu erreichen, diese Funktion ist auch ein speziell entwickelte Beschleunigerchip von Visual Pixel-Core genannt arithmetische Verarbeitung auszuführen, ist die Beschleunigungs-Chip FPU Floating-Point-Performance fünfmal die Apple-A11 Bionic. auch wird Google + Algorithmus unparteiisch DeepLab-v3 aussehen Open Source, kostenlos mit der Welt zu teilen. natürlich ist Google auch können Sie die vollen Nutzen aus nehmen, einerseits sein eigenen kleinen Denken zu tun Freie Open-Source-Ressourcen Entwicklung der Gemeinschaft weiterhin auf der anderen Seite seiner Rivalen Qualcomm Xiaolong AI Leistung zu verbessern, ist nicht so gut wie 835/845 A11, und dies nicht sehr hohen Performance-Algorithmus laufen, also keine Sorge Gedanken, andere Einzel es gibt keinen Algorithmus, Hardware realisiert werden.
Vergleich und Analyse von Proben P20
Aber zu diesem Thema Google hat mich verschätzt, Huawei Kirin 970 Prozessor NPU die Führung gebaut, kann es eine angemessene Leistung bietet das gleiche Maß an Qualität und Leistung mit diesem Algorithmus zu erreichen, basierend auf der Tiefe des Lernens, die Dreharbeiten zu verbessern, basierend auf der Tiefe des Lernens AI-Algorithmen ist wie die Qualität der Leistung zu verbessern, wollen wir uns die vergleichende Beweis DxO (Vergleichsquelle einen Blick :. https://www.dxomark.com/huawei-p20-pro-camera-review-innovative-technologies -Herausragendes-Ergebnisse / kann spezifisches Kontrastkunstwerk auf dieser Seite eingesehen werden)
Wenig Licht und Blendung
Es war ein typisches Nachtszene, Huawei P20 Pro linke untere Ecke der Decke, die wahren schwarz wiederzuherzustellen, während des iPhones X und Pixel 2 Überbelichtung offensichtlich, untere rechte Straßen iPhone X und Pixel 2 auch erhebliche Blendung. P20 Pro Tiefere Studie der Szene durchgeführt Erkennung, zu einem großen Teil Überbelichtung passiert. und die rechte obere Ecke der Zweige Huawei P20 Pro Details besser zu vermeiden, aber nicht zu viel Schärfe führt ungeduldig zu steigen, ist dies ein großer Bereich der hochempfindlichen Sensor besser + Das Ergebnis der gemeinsamen Aktion des späten Algorithmus.
Zoom und optische Bildstabilisierung
Ich war naiv genug zu glauben, Laufsohle Gerechtigkeit ist, obwohl dies nur das DSLR-Feld ist, aber im mobilen Bereich ist nicht der Fall. Vor Sony / Meizu einmal mit 1 / 2,7-Zoll-Sensor-Laufsohle, sondern auch aufgrund des großen Ende, das Telefon Raum kann nicht OIS optische Bildstabilisierung hinzufügen, das Ergebnis ist die Kerze wert, ich dachte einmal, dass die untere und optische Bildstabilisierung, wie Fisch und Bärentatze kann nicht beide haben.
Huawei P20 Pro ist die innovative Einführung von AIS-Funktion, so dass es unter Berücksichtigung der großen Ende CMOS und optische Bildstabilisierung nehmen. Es funktioniert wahrscheinlich durch die Bewegung der Festlegung der Trend der Handkamera durch drei, und dann wieder von AI nach der Behandlung durch Multi-Frame stabil zu beurteilen Der Algorithmus führt eine Bildstabilisierung durch und beendet Aufgaben, von denen ich früher dachte, dass sie nicht ausgeführt werden könnten.
Portraitszene
Ausländische Marken-Handys Porträts und Beauty-Shot hinter den inländischen Marken wurden hinken, ist der Grund, der Mangel an Aufmerksamkeit, das Land für die Portrait- und Beautyschmerzpunkte dringlicher ist, zwang die inländischen Handy-Hersteller mehr Eingang in dieser Hinsicht haben. Die Huawei volle Nutzung seiner technologischen Vorteile, für die 3D-Gesichtserkennung durch KI-Charaktere Gesicht tief Lernalgorithmen und Farbe zu optimieren und die Haut über Beweise P20 Pro zu verbessern noch rosig und bewegt. Weil die Charaktere sind Änderungen in Echtzeit, die Notwendigkeit für Echtzeit Das Bild wird analysiert und mit den Tiefenlernergebnissen des vorherigen neuronalen Netzwerks verglichen, um zu 3D-Gesichtsinformationen zu werden, und dann optimiert.Das Ausmaß der Echtzeitverarbeitung ist immer noch sehr groß.
HDR-Szene
Diese Szene ist ein Porträt, aber die Hintergrundbeleuchtung, Helligkeit der Szene außerhalb des Fensters zu hoch ist, wird das Fenster iPhone X von schweren Überbelichtungen, Pixel 2 Überbelichtung eines besseren Kontrolle, während die P20 Pro Kontrolle mehr perfekt ist, während der Innere Charakter noch zu dunkel. Da die Tiefe die Szene macht das Lernen Akkumulation unterteilt ist für solch große Unterschiede in der Helligkeit von komplexen Szenen, stellen unterschiedliche Belichtungsstrategien, Kirin 970 NPU starke Leistung bestimmen macht diese Prozesse erleichtern.
Dual-Use-Kamera beginnt, ist die Sub-Kamera Tiefeninformationen erhalten Szene in einem Tiefensensor, gebildet Tiefenschärfe von Multi-Frame-Synthese und Nachverarbeitung Modus, aber im Algorithmus vor AI Alter, zur Unterscheidung von Vordergrund- und Hintergrundprobleme zu identifizieren, insbesondere Vegetation ist komplexer, anfällig für Kantenteile von Defekten.
Tiefenschärfe und Kantenbeurteilung
Und basierend auf der Bildfläche, nachdem die Studie AI Tiefe zu bestimmen, aufgrund der großen Menge an Daten angesammelt, so dass die Kameraszene der Beurteilung auf dem Vordergrund und Hintergrund ist genauer, präziser Segmentierungskantenbereich, aber nicht erscheint oben nicht Dual-Kamera AI unsachgemäße Handhabung komplexe Kante unterstützt Das Problem.
Insgesamt Kirin NPU 970-19 Kategorien und mehr als 500 Szenen Ausbildung maschinelles Lernen, wie Katzen und Hunde, Lebensmittel, Menschen, Makro, Nacht / Text, Blumen, blauer Himmel, Schnee, Strand, haben usw. ein entsprechendes Optimierungsschema . um diese Funktion zu erreichen, erfordert eine Menge Datenakkumulation, sondern auch große Datenmengen müssen durch das neuronale Netz in Echtzeit verarbeitet werden, um Fotos zu machen, so den Algorithmus für die Rechenleistung und eine sehr hohe Nachfrage vorbringen. Huawei P20 des Gipfels nicht nur ist DxOMark Einpflanzen wurzelt Vorteile in CMOS und optische Komponenten, mehr gute Algorithmus Tüpfelchen auf dem i. erfordert die ausgezeichnete Algorithmus eine starke Kraft Operatoren 970 Kirin NPU beigetragen zu gewährleisten.
Eingehende Studie über die Nachfrage nach AI, Huawei ganz zukunftsgerichtete Forschung und Entwicklung am Anfang des Einhorn 970 trat die unabhängige Einheit NPU.
Bereits erwähnt, Bildverarbeitung Kernaufgabe ist es, die Szenenanalyse zu identifizieren, diese Arbeit hat zwei Stufen. Die erste Stufe ist die Ausbildung gegeben analysiert, um eine große Anzahl von Proben werden muss, durch Faltung Neuronalnetzwerklernen Faltungs Neural Network, kann das Training Prozess in dem mobilen Gerät lokal kann es auch ein großer Server in die Cloud zu bedienen sein, aber das Follow-up der neuen Fotos, Analyse und Beurteilung grundsätzlich nur lokal erfolgen kann. Obwohl dies nur eine einzige neue Probenanalyse ist, sondern muß auch Daten vergleichen, bevor und Akkumulation Ja, und dieser Analyse sind in Maschinenlernergebnisse zusammengefasst. und diese Faltung neuronales Netzwerk Faltungs neurale Netzwerk eine große Anzahl von Verzweigungsentscheidungsprozess zu verarbeiten, die Gleitkomma-Verarbeitungsleistung eine starke FP16 erfordert.
Qualcomm Xiaolong 845 so genannte ‚NPU‘ ist Hexagon 685, Hexagon 685 kurz vor dem Hexagon 682 kleine Änderung. Genau genommen, kann dies nur DSP in Betracht gezogen werden, anstatt die Einhorn 970 und A11 als NPU im eigentlichen Sinne, sondern simpel Vektorverarbeitungseinheit, und die DSP-Rechenleistung können auch durch andere Aufgaben belegt werden. Xiaolong 845 komplexere KI Maschine Lernaufgaben müssen noch selbst GPU CPU sein zu erreichen, und dieser Preis ist enorm.
Dies ist TechInsights Kern Kirin 970 Chart können wir unter A53 sind eine kleine Kern NPU Chipfläche, aktuelle mobile SoC, nur Apple-A11 und Kirin 970 haben ein echtes Gefühl von NPU sehen.
AI und Deep Learning stellen nicht nur Hardware-Probleme dar. Mobile AI Processing ist ein mehrstufiges Systemprojekt, das Software und Hardware kombiniert: Die oberste Schicht ist die Anwendungsschicht und die API unten ist die Anwendungsschnittstelle und Hardwareschicht der interaktiven Anwendungsschnittstelle Es gibt zwei Haupt-APIs für die Beschleunigung: Eine ist Googles offizielle Android AI Runtime, ähnlich wie Direct Compute unter Windows, mit guter Software- und Hardwarekompatibilität und ein Industriestandard, die andere ist HiAI von Huawei, die Unicorn's API einzigartig ist NVIDIAs CUDA, obwohl in der Hardware begrenzt, ist effizienter.Es gibt auch ein HiAI Heterogenous Resource Management System unterhalb der API-Schicht, wobei der darunterliegenden Hardwareebene Aufgaben zugewiesen werden.Die folgende Hardwareschicht kann eine NPU oder eine GPU sein. CPU, DSP oder sogar ISP.
Dies zeigt, dass AI nicht auf der NPU laufen muss.Alle anderen CPUs, GPUs und DSPs können alle arbeiten, aber es gibt grundlegende Unterschiede in der Leistung und Effizienz: GPU-Leistung ist 4-mal so hoch wie CPU und NPU ist CPU 25 Neben der absoluten Leistung ist die Lücke zwischen den Energieverbrauchsquoten noch ausgeprägter: Im Vergleich zu GPUs und CPUs haben NPUs eine bis zu 8-fache und 50-fache Differenz, was als eine wesentliche Lücke für stark beanspruchte mobile Geräte gilt. .
Unicorn 970 nutzt die NPU, um Gegenstände in Echtzeit zu identifizieren.Die Leistung kann 16GFlops Rechenleistung erreichen.Die einzelne Verarbeitung dauert nur 32 ns, während der Betriebsstrom nur 300 mA ist.Im Vergleich zu CPUs und GPUs mit mehreren Watt ist es sehr grün.
AI von Performance-Tests können wir Meister Lu Qilin 970 relativ Xiao Long 845 Entwicklung der Maschinenleistung offensichtliche Vorteile. Master Lu AI Test enthält InceptionV3, Resnet34, VGG16 3 Projekte, drei sind drei verschiedene Testobjekte sehen Erkennungsalgorithmus 100 Bilder waren, die Leistung durch zeitaufwendig zu bewerten. dieser drei Grund Algorithmus ist derzeit die einzige Training der neuronalen Netz künstliche Intelligenz Wissenslandkarte der drei Algorithmen, sehr repräsentativ, daß der aktuellen AI Tiefen Lernalgorithmus gesagt werden, . Alle drei Algorithmen, InceptionV3 mehr abhängig von CPU und GPU, kleine Einhorn 970 und 845 Xiaolong zwei Plattform Lücke und Resnet34, VGG16 auf erweitern Algorithmen, die die Vorteile der Leistungsvorteile der NPU nehmen, Daher hat die Leistung von Unicorn 970 mit NPU in den nächsten zwei Testpunkten offensichtliche Vorteile.
siehe VGG16 bestimmter Algorithmus, mit den Schichten 13 und 16 des Faltungs dreischichtige Struktur der gesamten Kette verbundene Schichten, die NPU geeignet ist. Diese Berechnungsgenauigkeit des Algorithmus sind FP16, FP32 und der CPU übertragen werden, genauer. wenn es jedoch verwendet, um FP16, nur eine einzige Übertragung oder einen einzelnen FP16 Prozess zu behandeln, so wird eine ernsthafte Verschwendung von Ressourcen. Daher in dieser VGG16 berechnet FP16, FP16 optimiert NPU für eine effizientere Nutzung kann vollständiger Ressourcen.
Das Unternehmen hat auch Xiao Long 660 AI Leistung weht, aber Xiaolong 660 Hexagon 680 DSP hat nicht FP16 Rechenleistung, es ist auf AI zu verlassen, um zu zählen? CPU oder GPU? In der Tat kann es AI laufen, können wir nicht die Schuld es falsch Werbung, aber Leistung und Stromverbrauch sind nicht gut aussehend.
In der Zeit vor der KI, die Qualität der Kamera ohne ersichtliche Schwelle ohne eine zugrunde liegend F & E-Stärke der Marke zu verbessern, nur bereit, ein paar Dollar ausgeben, um einen besseren Vater kaufen ein Sony CMOS, schwer zu finden auf niedrigeren Erträgen große Öffnung zu ertragen, gilt Qualcomm oder Samsung öffentliche Version des ISP-Algorithmus Münzwurf Münzwurf, auch ein gutes Kamera-Handy machen. Doch nach der Ankunft von AI ist traditionelles Denken nicht mehr möglich, höchstens ein einfacher Wettbewerb, so dass die Marke Hardware R & D nicht die zugrunde liegenden sind Fähigkeiten können speichern eine gute Hardware, aber wenn es ein fehlender Algorithmus basiert auf intelligente KI Tiefe Lernen, könnte das Produkt voll und ganz hinter der Idee machen. die Lücke zwischen den beiden Rängen eröffnet wurde, wurde es von Golf gefolgt, was schließlich AI Unternehmen schwer zu halten Das Niveau.
Unter Dem Unternehmen verfügt über F & E-Stärke-Algorithmus, obwohl sich die Situation etwas besser ist, in AI eingehende Untersuchung in das Spiel teilnehmen können, aber diese Unternehmen fehlt der Chip-Ebene F & E-Fähigkeit, können wir nur nicht ausreichend NPU Spanzählimpuls Anbieter von Produkten vor dem Fall liefern Sich beschweren und nur ungern folgen.
So, jetzt gibt es AI maschinelles Lernen und Entwicklungskapazitäten der Unternehmen kann als zweitklassig angesehen werden, aber der Chip F & E-Fähigkeiten und Plattform Öko-Geschäft aufzubauen ist die Spitze. Am Ende der Huawei Kirin Marke als Grundlage für die Entwicklung und mittlere HiAI Maschine als Plattform, um die obere Unterstützung mehr Consumer-Produkte und Software-Anwendungen mit direktem Kontakt mit den Endkunden, ist eine solche Ökosysteme eine gesunde und nachhaltige Entwicklung der Ökologie AI. für die Verbraucher, auf der Grundlage der Tiefe von nur einer Blackbox AI lernen, müssen Benutzer nicht Um zu verstehen, wie es funktioniert und wie es funktioniert, geniesse einfach die Früchte seiner Eskalation und Huawei Unicorn ist der Held hinter den Kulissen und ihre harte Arbeit wird unser Leben in Zukunft verbessern.