화웨이는 지난 달 최고 삼성 갤럭시 S9 플러스 높은 10 점보다 P20 프로 전에없는 1 점을 DxOMark 휴대 전화 카메라의 발행 및 주요 여백의 날에 최고 중 2 점입니다 순위는 P20 프로와 P20을 출시, 그것은 말할 수있다 없는 시대,하지만 한 시대의 두 앞서. CMOS 사양의 1 / 1.73 인치 일부 깡패 사람들,하지만 갤럭시 S9 플러스에 비해 1 / 2.7 인치 CMOS의 P20는, 픽셀 2 만 약간 사양 것을 피할 코스 P20 프로의 고가이지만 이미징 품질에도 분명한 이점이 있습니다.이 이점은 어디에서 비롯 되었습니까?
강화 사진의 품질은 더 큰 픽셀은 CMOS, 기계식 광학 이미지 안정화, 큰 구경을 증가 큰 영역의 사용과 같은 두 가지 아이디어 격렬한 싸움 하드웨어를 가질이고, 두 번째는 소프트 파워의 개념이다 알고리즘 그리고 최적화.
첫 번째 아이디어는이 단지 갤럭시 S9 플러스는 3 층 스택 새로운 1.4μm CMOS DRAM의 사용을 개척하는 동안 일반적인 경우, 그냥 시간을 표시 갤럭시 S8 상대 갤럭시 S7 기본 카메라 전에 삼성 갤럭시 S9 플러스,입니다 만, 실제 향상의 주요 요인은 광학 부품의 큰 도약입니다 갤럭시 S9 Plus는 획기적인 F1.5 구경을 채택했지만 큰 구경을 사용하려면 높은 비용이 필요합니다. 우선, 화상이 과다 노출 것 밝은 장면에서 생산 F1.8 대구경 높은 생산을 초래 어려운 매우 낮은 수율,보다 많은 카메라 모듈의 비용 및 제 2 개구가 너무 크면, GS9도 물리적으로 도입 이 문제를 해결하기 위해 조리개를 변경하면 카메라 어셈블리가 복잡해지고 신뢰성이 떨어집니다.
또 다른 아이디어는, 일반적인 경우는 아이폰 X 및 기타 하드웨어 몬스터, 하나의 투표를 압도 할 수 있습니다 여전히 2, 12.2MP는 1.4μm 픽셀, F의 하드웨어 사양 / 1.8 하나의 카메라가 매우 과장하지 픽셀이지만, 소프트웨어 알고리즘을 최적화하는 것입니다 이 DeepLab-V3 + 알고리듬 덕분이다.이 알고리즘은 최적화, AI 천연 네트워크, 실시간 분석이 현장에서 수행 할 수 학습 대상 씬 콘텐츠를 식별하는 깊이에 기초한다. HDR + 장면 처리, 어느 정도 과다 케이스 않도록 일어났다. DeepLab-V3 + 알고리즘 가장 포터 스턴이 알고리즘을 통해 사진을 찍을 심도를 달성하는 하나의 카메라로, 이러한 기능성이 구현은 코딩 및 디코딩 작업을 여러 샘플링과 변환을 많이 필요로하는 연산량 크다. 구글 화소 (2) 달성 이 기능도 연산 처리를 수행하기 위해 픽셀 비주얼 핵심이라고 특별히 개발 된 가속기 칩, 가속 칩 FPU 부동 소수점 성능은 다섯 번 애플 A11 슈퍼맨. 구글은 또한 공정하게 DeepLab-V3 + 알고리즘을 보일 것입니다 오픈 소스 세계와 공유하는 무료. 물론, 구글은 또한 한편으로, 자신의 작은 생각을하고있다, 당신은 최대한 활용할 수 있습니다 무료 오픈 소스 커뮤니티 개발 자원을 지속적으로 개선하기 위해, 다른 한편으로는 경쟁사 인 퀄컴 Xiaolong AI 성능이 필요가 매우 높은 성능 알고리즘을 실행하지, 그렇게 생각, 다른 하나를 걱정하지 마십시오 845분의 835 A11만큼 좋은하지 않고, 구현할 수있는 성능이 충분하지 않은 알고리즘도 있습니다.
P20 샘플 비교 및 분석
그러나 구글이 잘못 계산 한이 문제에 화웨이 기린 970 프로세서 NPU 리드를 구축, 배움의 깊이에 따라이 알고리즘 품질의 동일한 수준의 성능을 달성하기 위해 적절한 성능을 제공 할 수 있습니다, 학습의 깊이에 따라 촬영을 향상시키기 위해 AI 알고리즘의는 비교 증거 뒤 DxO (비교 소스 :. https://www.dxomark.com/huawei-p20-pro-camera-review-innovative-technologies 살펴 보자 성능의 질을 향상하는 방법입니다 - 결과 -Outstanding / 특정 콘트라스트 아트웍) 페이지에서 볼 수있다
낮은 조명과 눈부심 방지
그것은 아이폰 X 분명히 픽셀이 과다 노출, 오른쪽 아래 가로등 아이폰 X 또한 픽셀이 큰 눈부심. P20 Pro를 깊이 연구는 장면에 의해 수행하면서, 천장의 화웨이 P20 Pro는 왼쪽 하단 모서리가, 진정한 블랙을 복원 전형적인 밤 장면이었다 큰 정도 감지가 발생하지 과다 노출을 피하십시오. 그리고 가지의 오른쪽 상단 모서리 화웨이 P20 프로 자세한 내용은 더 나은,하지만 너무 많은 선명도가 상승 참을성이 리드하기 위해,이 고감도 센서보다 큰 영역 +입니다 늦은 알고리즘의 공동 작업 결과.
줌 및 광학 이미지 안정화
나는이 그냥 DSLR 필드하지만 밑창, 정의라고 생각 할만큼 순진했지만, 모바일 공간에서. 소니 / MEIZU 회 1 / 2.7 인치 센서 아웃솔 전에뿐만 아니라 인해 대형 끝, 전화 사실이 아니다 당신은 OIS 광학 이미지 안정화를위한 공간을 추가 할 수 없습니다, 촛불 가치 결과, 나는 한때 물고기, 아웃솔 및 광학 이미지 안정화를 생각하고 모두를 가질 수 없습니다.
이 계정에 큰 최종 CMOS 및 광학 이미지 안정화를 취할 수 있도록 화웨이 P20 Pro는 AIS 기능의 혁신적인 소개합니다. 아마 멀티 프레임 안정적으로 처리 후 AI에 의해 다시 다음 세 가지를 통해 핸드 헬드 카메라의 추세를 판단하는 움직임을 프레임으로 작동하고, 알고리즘은 이미지 안정화를 수행하고 한 번 수행 할 수없는 작업을 완료합니다.
초상화 장면
휴대 전화의 초상화와 뷰티 샷은 국내 브랜드 뒤쳐 된 외국 브랜드, 이유는 관심의 부족, 국가가 국내 휴대 전화 제조 업체는이 점에서 더 입력을 강제 세로 아름다움 통증 점을 더 시급하다. AI, 문자 3D 얼굴 인식을위한 기술적 장점 화웨이 전체 사용은 깊은 학습 알고리즘에 직면, 색상 최적화하고 증거의 P20 프로 위의 피부를 강화하기 위해 더 많은 장미 빛 및 이동. 문자가 실시간으로 변경, 실시간의 필요성이 있기 때문에 종래와 비교 분석 및 신경망 결과에 의해 이미지 깊이 학습 정보가 3 차원 얼굴하게하고 여전히 매우 큰 실시간 처리 동작의 양을 최적화한다.
HDR 장면
이 장면은 인물이지만 백라이트, 창 외부 장면의 밝기가 너무 높습니다. 실내 문자가 너무 어둡지 않지만 iPhone X의 창이 크게 노출되고 픽셀 2 노출 제어가 더 좋으며 P20 Pro 제어가 더 완벽합니다. 학습 장면이 축적 됨으로써 빛과 그림자의 큰 차이가있는 복잡한 장면에 대한 세분화 판단을 수행하고 다양한 노출 전략을 설정할 수 있습니다 .Unicorn 970의 강력한 NPU 성능은 이러한 프로세스를 더욱 강력하게 만듭니다.
이중 카메라의 목적은 다중 프레임 합성 및 후 처리를 통해 피사계 심도 정보를 얻기 위해 2 차 카메라를 장면 깊이 센서의 깊이 정보로 사용하는 것이었지만 AI 시대의 알고리즘 이전에는 전경과 배경을 구별하는데 문제가있었습니다 더 복잡한 식물, 가장자리가 결함이 발생하기 쉽습니다.
피사계 심도 효과 및 가장자리 판단
그리고 AI 깊이 연구에 의한 축적 데이터의 큰 양을 측정하기 위해 이후 장면에 기초하므로 전경 및 배경 판의 카메라 촬영이 더 정확하고 더 정확하게 분할 단부이지만, 듀얼 카메라 AI 부적절한 취급 복잡한 에지를 지원하지 않는 상기 나타나지 않는지 문제.
전반적으로, 기린 NPU는 등 고양이와 개, 음식, 사람, 매크로, 밤 / 텍스트, 꽃, 푸른 하늘, 눈, 해변, 등 970 19 카테고리와 500 개 이상의 장면 훈련 기계 학습, 대응하는 최적화 기법을 가지고 .이 기능을 달성하기 데이터 축적이 많이 필요하지만, 데이터 또한 많은 양의 사진을 촬영하기 위해 실시간으로 신경 네트워크, 그래서 전력을 계산하는 알고리즘에 의해 처리 될 필요가 매우 높은 요구를 제시. 정상 회담의 화웨이 P20 그냥 DXOMark 심기되지 않는다 CMOS 및 광학 부품의 장점에 기반 해보다 우수한 알고리즘이 케이크 위에 장식되어 있으며 뛰어난 알고리즘은 Unicorn 970의 NPU가 필수적이라는 것을 보장하기 위해 강력한 컴퓨팅 성능이 필요합니다.
Huawei는 AI 학습에 대한 요구에 대응하여 Kirin 970 R & D 초기에 NPU 독립 부서에 적극적으로 참여했습니다.
앞서 언급, 이미지 프로세싱 코어 작업 현장 분석을 식별하는 것입니다,이 작업은 두 단계가 있습니다. 첫 번째 단계는 훈련 길쌈 신경망을 학습 회선 신경 네트워크에 의해 분석 된 샘플의 큰 숫자를 부여 할 필요가있다, 훈련 과정이 될 수 있습니다 로컬 모바일 장치에서,이 단지 하나의 새로운 샘플 분석이지만도. 작동 할 수있는 클라우드로 큰 서버하지만, 기본적으로 로컬로만 수행 할 수있는 새로운 사진, 분석 및 판단의 후속이 될뿐만 아니라, 이전과 축적 된 데이터를 비교할 필요가 있습니다 예,이 분석은 기계 학습 결과에 요약되어있다.이 콘볼 루션 신경망 콘벌 루션 신경망 부동 소수점 처리 성능을 강한 FP16을 필요 분기 결정 프로세스의 다수를 처리하기.
퀄컴 Xiaolong 845 소위 'NPU'는 육각형 685이다, 육각 685 만 육각 682 작은 변경 전. 엄밀히이 만 아니라 유니콘 (970)과 진정한 의미의 NPU로 A11,하지만 단순한보다, DSP 간주 될 수 있습니다, 말하기, 벡터 처리 장치, 또한 DSP의 계산 능력은 다른 작업에 의해 점유 될 수있다. Xiaolong 845 개보다 복잡한 AI 기계 학습 과제는 여전히 달성에도있을 GPU의 CPU해야하고,이 가격은 엄청나 다.
이 TechInsights의 핵심 기린 970 차트, 우리는 A53 아래에 볼 수있는 것은 작은 코어 NPU의 칩 면적, 현재 모바일의 SoC입니다 만 애플 A11와 기린 (970)은 NPU의 진정한 의미를 가지고있다.
AI와 깊은 학습이 단지 하드웨어 문제가되지 않습니다, 이동 AI 프로세스는 다중 레벨 시스템은 하드웨어와 소프트웨어의 조합을 프로젝트입니다. 상위 계층은 응용 계층 및 하드웨어 레이어 대화 형 응용 프로그램 인터페이스와 API 아래에있는 응용 프로그램 계층이다. 안드로이드 플랫폼은 AI 현재 가속 API는 주로 두 가지 하나는 유사한 Windows에서 구글의 공식 안드로이드 AI 런타임, 직접 계산이다, 좋은 소프트웨어 및 하드웨어 호환성, 업계 표준이며, 나머지는 화웨이 HiAI이 비슷한 유니콘 고유의 API입니다. NVIDIA의 CUDA는 있지만, 하드웨어에 제한이 있지만, 더 효율적입니다. HiAI 이기종 자원 관리 시스템 다음에 API 층에, NPU 수 있습니다 아래의 기본 하드웨어 층 하드웨어 층에 작업을 할당, 또한 GPU 할 수있다, CPU, DSP 또는 ISP.
GPU 성능이 네 배의 CPU이지만, CPU는 NPU 25 : 이것은 AI가 반드시 전용 NPU, 다른 CPU가 GPU는, DSP 아무것도가있을 수 있지만, 성능과 효율성의 측면에서 근본적인 차이가 실행되지 않을 것을 보여줍니다 절대 성능 갭 에너지로부터 떨어져 배는 더 확실한, NPU보다 GPU 비교하여 CPU는 8 배 및 전력 이동 기기 연신 50 배 차이까지 가지며, 자연의 차이가 있다고 할 수있다 .
제품의 실시간 식별과 기린 NPU (970)는, 성능은 단일 처리 32ns 소비 전력을 계산 16GFlops을 달성 할 수 있으며, 단지 300mA의 동작 전류, 그것은 CPU와 GPU 용어 와트의 수백에 비해 매우 녹색이다.
성능 테스트에서 AI, 우리는 마스터 루 Qilin 970 상대 샤오 롱 845 개발 기계 성능 분명한 장점을 볼 수 있습니다. 마스터 루 AI 테스트 InceptionV3, Resnet34, VGG16 3 프로젝트, 세 세 가지 테스트 항목입니다 포함되어 있습니다 인식 알고리즘은 시간이 많이 걸리는 통해 성능을 평가하기 위해 100 개 이미지를했다.이 세 가지 기본 알고리즘은 현재 세 가지 알고리즘의 유일한 훈련 신경망 인공 지능 지식 맵, 매우 대표, 현재의 AI 깊이 학습 알고리즘이라고 할 수 있습니다 . InceptionV3 더, CPU와 GPU에 의존 Xiaolong 두 플랫폼의 차이 970 및 845 유니콘 작은 세 가지 알고리즘하며 NPU의 성능 이점을 활용할 수있는 고급 알고리즘에와 Resnet34, VGG16, 따라서 다음 두 가지 테스트 항목에서 NPU가있는 Unicorn 970의 성능에는 분명한 이점이 있습니다.
VGG16 특정 알고리즘을보다 정확하게, 층 (13)과 접합 층은 상기 NPU가 적합하다. 알고리즘이 계산 정밀도 FP16, FP32 및 CPU가 송신된다 전체 체인의 컨벌루션 세 층 구조 (16)를 포함하는 참조. FP16, 단 하나의 전송 또는 단일 FP16 프로세스를 치료하는 데 사용, 그래서 때, 의지 자원의 심각한 낭비. 따라서 기반의 FP16 계산이 VGG16에, FP16를보다 효율적으로 사용하기 위해 NPU 최적화가 더 완벽하게 할 수있다 리소스.
이 회사는 심지어 샤오 롱 (660) AI 성능을 불고, 그러나 Xiaolong 660 육각 680 DSP는 FP16 컴퓨팅 전원을 켜지 않았다, 그것은 사실이 AI를 실행할 수 있습니까?? CPU 또는 GPU를 계산하는 AI에 의존하는 것입니다, 우리는 거짓 비난 할 수 없다 퍼블리 시티 (publicity), 그러나 성능과 전력 소모는보기에 좋지 않습니다.
인공 지능 이전의 시대에 수익률이 낮은 구경이 큰 하드 견딜, 소니 CMOS를 찾기 위해 더 나은 아버지를 구입하기 위해 몇 달러를 지출하는 단지 기꺼이 브랜드의 기초 R & D 강도가없이 명백한 임계 값에 대한 카메라의 품질을 향상시키기 위해, 퀄컴 또는 ISP 알고리즘 토스 토스 삼성의 공개 버전도 좋은 카메라 폰을 만들 수 있습니다 적용되지 않습니다. 그러나 AI의 도착 후, 기존의 사고가 대부분으로, 더 간단한 경쟁이 더 이상 가능하다 브랜드 하드웨어 R & D 기능을 기본 수 있습니다되지 않도록 좋은 하드웨어를 저장하지만 지능 AI 깊이 학습을 기반으로 누락 된 알고리즘이있는 경우, 완전히 아이디어 뒤에 제품을 만들 수 있습니다. 두 제대 사이의 격차가 걸프 뒤를이었다, 연, 결국 최고의 AI 회사 하드 주기적으로 업데이트하기 수준.
이 회사에서 상황이 게임에 AI 깊이 연구에 참여할 수, 약간 더 있지만, R & D 강도 알고리즘을 가지고 있지만,이 회사는, 칩 수준의 R & D 역량, 우리는 사건의 상류 제품의 충분한 NPU 칩 카운트 제공자를 제공 할 수 부족 불평하고 따라하기를 꺼려.
그래서 지금이 이류로 간주 될 수있는 기업의 AI 기계 학습 및 개발 능력이 있지만, 칩 R & D 역량과 환경 사업을 구축하는 플랫폼은 최고입니다. 상단을 지원하는 플랫폼으로 개발하기위한 기초 및 중간 HiAI 시스템과 화웨이 기린 브랜드의 하단에 최종 고객과 직접 접촉하는 등 생태계와 가전 제품 및 더 많은 소프트웨어 응용 프로그램은 AI 생태의 건강하고 지속 가능한 개발이다. 소비자, AI 단지 블랙 박스 학습의 깊이에 따라, 사용자가 필요하지 않습니다 그것이 작동하는 방식을 이해하기 위해, 당신은 자신의 영광의 열매를 즐길 수 있습니다. 화웨이 기린이가 알려지지 않은 영웅 영광입니다, 그녀는 우리의 삶을 더 나은 곳으로 후 열심히 할 것입니다.