Huawei در ماه گذشته منتشر شد نرم افزار P20 و P20، رتبه بندی در میان بهترین در روز انتشار از DxOMark دوربین تلفن همراه و حاشیه پیشرو 1 نقطه 2 امتیاز، قبل از نرم افزار P20 از بالا سامسونگ Galaxy S9 به علاوه 10 امتیاز بالا، می توان گفت یک دوران، اما یک یا دو جلوتر از زمانه. البته P20 نرم افزار 1 / 1.73 اینچ از مشخصات CMOS اجتناب ناپذیر است که برخی از افراد زورگو، اما P20 CMOS 1 / 2.7 اینچ در مقایسه با کهکشان S9 به علاوه، پیکسل 2 فقط کمی مشخصات است ، اما کیفیت تصویر آن بالا است همچنین یک مزیت قابل توجه، که این مزیت است که چه از آن آمد؟
بالا بردن کیفیت عکاسی این است که دو ایده ها، یک سخت افزار مبارزه خشونت آمیز، مانند استفاده از یک منطقه بزرگتر بزرگتر پیکسل CMOS، افزایش مکانیکی تثبیت کننده تصویر نوری، دیافراگم بزرگتر است، و دوم این ایده از قدرت نرم است: الگوریتم و بهینه سازی.
ایده برای اولین بار است یک مورد نمونه کهکشان سامسونگ S9 به علاوه، قبل از نسبی پایه دوربین گلکسی S7 کهکشان S8 فقط زمان مارک است، در حالی که کهکشان S9 علاوه پیشگام استفاده از 1.4μm جدید CMOS DRAM با یک پشته سه لایه، اما این تنها یک عامل ثانویه به منظور افزایش تصاویر از عوامل اصلی گام بزرگ رو به جلو قطعات نوری جهش بزرگ است، کهکشان S9 به علاوه دستیابی به موفقیت با استفاده از یک دیافراگم بزرگ F1.5. اما استفاده از چنین یک دیافراگم بزرگ مورد نیاز است برای پرداخت قیمت بالا، اول، بیش از F1.8 دیافراگم بزرگ تولید بسیار دشوار است، عملکرد بسیار کم، و در نتیجه تولید بالا است هزینه ماژول دوربین، و دیافراگم دوم خیلی بزرگ است، در صحنه های روشن باعث می شود که تصویر بیش از حد است، GS9 حتی از لحاظ جسمی معرفی دیافراگم متغیر برای حل این مشکل، که تا حد زیادی افزایش پیچیدگی ماژول دوربین، کاهش قابلیت اطمینان.
ایده دیگر این است برای بهینه سازی الگوریتم های نرم افزار، مورد معمولی است که پیکسل 2، 12.2MP، پیکسل 1.4μm، مشخصات سخت افزاری از f / 1.8 دوربین تک است بسیار اغراق آمیز است، اما هنوز هم می توانید آی فون X و دیگر هیولا سخت افزار، یک رای هم پاشیدن، این است به لطف DeepLab-V3 + الگوریتم. این الگوریتم به عمق یادگیری AI شبکه طبیعی، تجزیه و تحلیل زمان واقعی می توان بر روی صحنه انجام شده، شناسایی محتوای صحنه هدف، برای بهینه سازی است. HDR + و پردازش صحنه، تا حد معینی برای جلوگیری از مورد بیش از حد رخ داده است. DeepLab-V3 + الگوریتم شیرین کاری باربر ترین یک دوربین تک برای رسیدن به عمق میدان برای گرفتن عکس از طریق الگوریتم است، چنین قابلیت پیاده سازی شده است نیاز به مقدار زیادی از رمزگذاری و رمزگشایی عملیات، نمونه برداری های متعدد و تبدیل، مقدار محاسبه بزرگ است. گوگل پیکسل 2 برای رسیدن به این ویژگی است که حتی یک تراشه شتاب دهنده به خصوص توسعه به نام پیکسل ویژوال هسته برای انجام پردازش های ریاضی، تراشه شتاب FPU عملکرد نقطه شناور پنج برابر اپل A11 مصنوعی. گوگل همچنین بی طرفانه DeepLab-V3 + الگوریتم نگاه است منبع باز، رایگان برای به اشتراک گذاشتن با جهان است. البته، گوگل نیز انجام تفکر کوچک خود را دارد، از یک سو، شما می توانید استفاده کامل از را منبع باز منابع توسعه جامعه رایگان برای ادامه به بهبود، از سوی دیگر رقیب عملکرد کوالکام Xiaolong AI آن است به خوبی به عنوان 835/845 A11 نیست، و این نیاز الگوریتم عملکرد بسیار بالا اجرا کنید، به طوری که اندیشه، مجرد نگران نباشید هیچ الگوریتمی سخت افزار قادر به تحقق یابد وجود دارد.
مقایسه و تجزیه و تحلیل نمونه P20
اما در مورد این موضوع گوگل اشتباه محاسبه است، Huawei در کیرین 970 پردازنده NPU ساخته شده که برتری رو از آن می توانید عملکرد مناسب برای رسیدن به همان سطح از عملکرد کیفیت با این الگوریتم بر اساس عمق یادگیری ارائه، به منظور افزایش تصویربرداری را بر اساس عمق یادگیری الگوریتم های هوش مصنوعی است که چگونه به منظور افزایش کیفیت عملکرد، اجازه دهید نگاهی به اثبات مقایسه DXO (منبع مقایسه :. https://www.dxomark.com/huawei-p20-pro-camera-review-innovative-technologies -outstanding-نتایج /، آثار هنری مقابل خاص را می توان در این صفحه را مشاهده)
نور کم و ضد تابش خیره کننده
این یک صحنه شب معمولی بود، Huawei در P20 گوشه سمت چپ نرم افزار پایین سقف برای بازگرداندن سیاه و سفید درست است، در حالی که آیفون X و پیکسل 2 بیش از حد بدیهی است، چراغ سمت راست و پایین آیفون X و پیکسل 2 همچنین تابش خیره کننده قابل توجه است. P20 مطالعه عمق Pro را از با صحنه انجام تشخیص، تا حد زیادی به جلوگیری از نوردهی زیاد از اتفاق می افتد. و گوشه سمت راست بالا از شاخه های Huawei P20 جزئیات نرم افزار بهتر است، اما نه وضوح بیش از حد منجر به افزایش بی تاب، این یک منطقه بزرگ از سنسور با حساسیت بالا بهتر است + نتیجه عمل مشترک الگوریتم اواخر.
زوم و تثبیت کننده تصویر نوری
من به اندازه کافی ساده و بی تکلف به فکر می کنم زیره عدالت است، اگر چه این تنها زمینه DSLR است بود، اما در فضای تلفن همراه قبل سونی / شرکت Meizu یک بار با 1 / 2.7 اینچ زیره سنسور، و همچنین به خاطر سر بزرگ، تلفن است که چنین نیست شما می توانید فضا را برای تثبیت کننده تصویر نوری OIS اضافه نمی کند، در نتیجه ارزش شمع، من یک بار فکر زیره و تثبیت کننده تصویر نوری، مانند ماهی و نمی تواند هر دو.
هواوی P20 نرم افزار معرفی نوآورانه از عملکرد AIS است، به طوری که می توان آن را به حساب CMOS سر بزرگ و تثبیت کننده تصویر نوری است. این احتمالا توسط فریم جنبش به قاضی روند از دوربین دستی از طریق سه کار می کند، و سپس دوباره توسط AI بعد از درمان با چند قاب پایدار الگوریتم تثبیت کننده تصویر را انجام می دهد و وظایفی را انجام می دهد که قبلا فکر نمی کردم انجام شود.
صحنه پرتره
نام تجاری خارجی گوشی های موبایل پرتره و زیبایی شات شده است در پشت مارک های داخلی عقب مانده، دلیل است که عدم توجه، این کشور برای نقاط پرتره و درد زیبایی ضروری تر است، مجبور به تولید کنندگان داخلی تلفن همراه ورودی بیشتر در این رابطه شده است. هواوی استفاده کامل از مزایای تکنولوژی آن، برای تشخیص چهره 3D با شخصیت های AI مواجه الگوریتم های یادگیری عمیق، و رنگ به بهینه سازی و افزایش پوست بالای اثبات P20 نرم افزار حتی بیشتر گلگون و در حال حرکت. زیرا شخصیت تغییرات در زمان واقعی، نیاز به زمان واقعی هستند تصویر و یادگیری عمق توسط نتایج شبکه عصبی با تجزیه و تحلیل قبل و مقایسه، اطلاعات چهره 3D می شود و سپس بهینه سازی مقدار عملیات پردازش در زمان واقعی است که هنوز هم بسیار بزرگ است.
صحنه HDR
این صحنه یک پرتره است، اما نور پس زمینه، روشنایی صحنه در خارج از پنجره بیش از حد بالا است، پنجره آیفون X از تماس بیش از حد جدی، پیکسل کنترل 2 بیش از حد بهتر است، در حالی که P20 نرم افزار کنترل کامل تر است، در حالی که شخصیت داخلی و نه بیش از حد تیره. از آنجا که عمق صحنه باعث می شود یادگیری تجمع تقسیم شده است تعیین چنین تفاوت های بزرگ در روشنایی صحنه های پیچیده، تنظیم استراتژی های قرار گرفتن در معرض مختلف، کیرین 970 NPU عملکرد قدرتمند باعث می شود این پروسه بیشتر را تسکین دهد.
دوربین دو استفاده از شروع این اطلاعات عمق دوربین فرعی صحنه به دست آمده در یک سنسور عمق، عمق تشکیل میدان های سنتز چند قاب و حالت پس از پردازش است، اما در الگوریتم قبل از سن AI، برای شناسایی تشخیص پیش زمینه و پس زمینه مشکلات، به خصوص پوشش گیاهی پیچیده تر است، لبه در معرض نقص قرار دارد.
عمق اثر میدان و قضاوت لبه
و بر اساس صحنه پس از مطالعه عمیق AI برای تعیین، با توجه به مقدار زیادی از اطلاعات انباشته شده به طوری که صحنه دوربین از قضاوت در مورد پیش زمینه و پس زمینه دقیق تر، دقیق تر تقسیم بندی قسمت لبه است، اما به نظر نمی رسد بالا دو دوربین AI، استفاده نادرست لبه پیچیده را پشتیبانی نمی کند مشکل
به طور کلی، کیرین NPU 970-19 دسته و بیش از 500 صحنه های یادگیری ماشینی، مانند گربه ها و سگ، غذا، مردم، ماکرو، شب / متن، گل، آسمان آبی، برف، ساحل، و غیره دارای یک برنامه بهینه سازی مربوطه . این تابع برای رسیدن نیاز به مقدار زیادی از تجمع داده ها، بلکه مقدار زیادی از اطلاعات باید توسط شبکه های عصبی در زمان واقعی را به تصاویر، به طوری که الگوریتم برای قدرت محاسباتی پردازش و به جلو یک تقاضای بسیار بالا. هواوی P20 از اجلاس است و نه فقط کاشت DXOMark مزایای ریشه در CMOS و قطعات نوری، بیشتر شکر و تخم مرغ الگوریتم خوب در کیک. الگوریتم بسیار عالی نیاز به یک اپراتور نیروی قوی برای تضمین 970 کیرین NPU کمک کرده است.
در پاسخ به تقاضا برای یادگیری عمیق AI، Huawei در ابتدای تحقیق و توسعه Kirin 970 در پی پیوستن به واحد مستقل NPU بوده است.
قبلا ذکر شد، کار تصویر هسته پردازش است که برای شناسایی تجزیه و تحلیل صحنه، این کار دو مرحله است در مرحله اول این است که نیازهای آموزشی داده می شود تعداد زیادی از نمونه ها با شبکه پیچیدگی های عصبی یادگیری شبکه های عصبی کانولوشن تجزیه و تحلیل، روند آموزش را می توان در دستگاه تلفن همراه به صورت محلی، آن را نیز می توانید یک سرور بزرگ به ابر به کار، اما پیگیری از عکس های جدید، تجزیه و تحلیل و قضاوت اساسا تنها می تواند به صورت محلی انجام می شود. اگر چه این تنها تجزیه و تحلیل نمونه جدید تک است، بلکه نیاز به مقایسه داده ها قبل و انباشت بله، و این تجزیه و تحلیل به نتایج یادگیری ماشین خلاصه شده است. و این شبکه های عصبی کانولوشن شبکه های عصبی کانولوشن برای پردازش تعداد زیادی از فرایند تصمیم گیری به شعبه، که نیاز به یک FP16 قوی شناور قدرت پردازش نقطه.
کوالکام Xiaolong 845 اصطلاح "NPU، شش گوش 685 است، شش گوش 685 درست قبل از شش گوش 682 تغییر کوچک است. صرفا سخن گفتن، این تنها می تواند در نظر گرفته DSP، به جای 970 اسب شاخدار و A11 به عنوان NPU به معنای واقعی، اما ساده واحد پردازش بردار، و قدرت محاسباتی DSP نیز ممکن است کارهای دیگر را اشغال کردند. Xiaolong 845 پیچیده تر AI وظایف یادگیری ماشین هنوز هم نیاز به حتی CPU GPU برای رسیدن به، و این قیمت بسیار زیاد است.
این TechInsights هسته کیرین 970 نمودار است، ما می توانیم زیر A53 دیدن یک هسته NPU سطح تراشه کوچک، SOC فعلی تلفن همراه است، تنها اپل A11 و کیرین 970 دارای یک حس واقعی از NPU.
هوش مصنوعی و یادگیری عمیق است که فقط یک مشکل سخت افزاری نیست، حرکت روند AI است که یک سیستم چند سطح پروژه ترکیبی از سخت افزار و نرم افزار. لایه بالایی لایه کاربرد، که تحت API به عنوان یک لایه نرم افزار و لایه های سخت افزاری نرم افزار واسط تعاملی است. پلت فرم آندروید است در حال حاضر در AI API شتاب به طور عمده دو عبارتند از: یک رسمی آندروید AI در زمان اجرا گوگل، مستقیم محاسبه تحت مشابه ویندوز است، نرم افزار خوب و سازگاری با سخت افزار، هنجار صنعت است و دیگری هواوی HiAI، این یک API منحصر به فرد اسب شاخدار مشابه است. CUDA انویدیا، اگر چه وجود دارد محدودیت در سخت افزار، اما کارآمد تر. در لایه های API به دنبال یک سیستم مدیریت منابع ناهمگن HiAI، تعیین وظایف به لایه سخت افزار لایه سخت افزاری زیرین زیر ممکن است NPU، همچنین می توانید یک GPU شود، پردازنده، DSP، و یا حتی ISP.
این نشان می دهد که هوش مصنوعی نه لزوما تنها بر NPU، دیگر CPU، GPU، DSP چیزی می تواند باشد، اما از نظر عملکرد و بهره وری، یک تفاوت اساسی را اجرا کنید: عملکرد GPU چهار بار CPU است، اما CPU است NPU 25 بار جدا از انرژی شکاف عملکرد مطلق از واضح تر، NPU نسبت به GPU و CPU است تا 8 برابر و اختلاف 50 برابر، که برای دستگاه های تلفن همراه قدرت کشیده، آن را می توان گفت که شکاف طبیعت وجود دارد .
کیرین NPU 970 با شناسایی زمان واقعی کالا، عملکرد را می توان 16GFlops قدرت محاسباتی به دست آورد، مصرف تنها 32ns پردازش تک و عامل های فعلی تنها 300MA، آن را بسیار به رنگ سبز است در مقایسه با چند صدها وات از CPU و GPU نظر.
AI از تست عملکرد، ما می توانیم لو استاد Qilin 970 نسبی شیائو طولانی 845 توسعه عملکرد دستگاه مزایای آشکار ببینید. آزمون لو استاد AI شامل InceptionV3، Resnet34، VGG16 3 پروژه، سه سه آزمون متفاوت هستند به رسمیت شناختن الگوریتم 100 تصاویر برای ارزیابی عملکرد از طریق وقت گیر بود. این سه الگوریتم اصلی در حال حاضر تنها در آموزش شبکه های عصبی نقشه دانش هوش مصنوعی از سه الگوریتم، بسیار نماینده، می شود که الگوریتم یادگیری عمق فعلی AI گفت . هر سه الگوریتم، InceptionV3 بیشتر وابسته به CPU و GPU، کمی تکشاخ 970 و 845 Xiaolong دو شکاف پلت فرم و Resnet34، VGG16 در الگوریتم های پیشرفته تر است که می تواند امکان استفاده از مزایای عملکرد NPU را، بنابراین بدیهی است که کیرین 970 با مزایای عملکرد NPU بیش از دو مورد آزمون بعدی.
VGG16 الگوریتم خاص، و متشکل از لایه های 13 و 16 از پیچیدگی سه ساختار لایه از کل زنجیره است لایه پیوند می دهد، NPU مناسب است. این دقت محاسبه الگوریتم FP16، FP32 و CPU منتقل می شوند، دقیق تر است. با این حال، هنگامی که به درمان FP16، تنها انتقال واحد، و یا یک فرایند FP16 تک استفاده می شود، بنابراین به هدر از منابع است. بنابراین، برای در این VGG16 محاسبه شده بر اساس FP16، FP16 NPU برای استفاده کارآمد تر بهینه سازی شده می تواند به طور کامل تر منابع است.
این شرکت حتی بعضی شیائو طولانی 660 عملکرد AI، اما Xiaolong 660 شش گوش 680 DSP قدرت نیست FP16 محاسبه انجام داد، آن است که تکیه بر هوش مصنوعی به تعداد؟ CPU یا GPU؟ در واقع آن را می توانید AI اجرا شود، ما نمی توانیم آن را به گردن کاذب تبلیغات، اما آن را عملکرد خوب و مصرف برق نیست.
در دوره قبل از هوش مصنوعی، به منظور افزایش کیفیت دوربین برای هیچ آستانه آشکار بدون R زمینه & D قدرت از نام تجاری، فقط مایل به صرف چند دلار برای خرید یک پدر بهتر برای پیدا کردن یک CMOS سونی، برای تحمل و قدرت سخت در بازده کمتر دیافراگم بزرگ، اعمال کوالکام و یا نسخه عمومی سامسونگ از ISP بازی شیر یا خط الگوریتم بازی شیر یا خط، همچنین می توانید یک گوشی دوربین خوب است. با این حال، پس از ورود AI، تفکر سنتی است که دیگر امکان پذیر است، در اکثر، یک رقابت ساده به طوری که با نام تجاری است که اساسی نیست قابلیت های سخت افزاری R & D می توانید صرفه جویی در یک سخت افزار خوب اما اگر یک الگوریتم گم شده بر اساس هوشمند یادگیری عمق AI وجود دارد، می تواند محصول به طور کامل پشت سر این ایده است. فاصله بین دو پله باز شد آن را با خلیج به دنبال داشت، در نهایت منجر شرکت هوش مصنوعی سخت به نگه دارید تا سطح
تحت این شرکت R & D الگوریتم قدرت، اگر چه این وضعیت کمی بهتر، می تواند در AI مطالعه عمق به بازی شرکت کنند، اما این شرکت فاقد سطح تراشه R & D توانایی، ما می توانیم به اندازه کافی تراشه NPU ارائه دهنده تعداد محصولات بالادست مورد فراهم نمی کند، تنها شکایت و تمایلی به دنبال کردن
بنابراین در حال حاضر وجود دارد AI یادگیری ماشین و قابلیت توسعه از شرکت می تواند به عنوان دوم نرخ در نظر گرفته، اما تحقیق و توسعه تراشه قابلیت ها و پلت فرم برای ساخت سازگار با محیط زیست کسب و کار بالا است. در پایین نام تجاری Huawei کیرین به عنوان پایه ای برای توسعه و ماشین HiAI وسط به عنوان یک پلت فرم برای حمایت از بالا بیشتر برنامه های کاربردی مصرف کننده محصولات الکترونیکی و نرم افزار با تماس مستقیم با مشتریان پایان، مانند اکوسیستم توسعه سالم و پایدار محیط زیست هوش مصنوعی است. برای مصرف کنندگان، بر اساس عمق یادگیری AI فقط یک جعبه سیاه و سفید، کاربران لازم نیست و به درک راه کار می کند، شما فقط می توانید لذت بردن از ثمرات چاپلوسی است. هواوی کیرین است که از این تملق قهرمانان گمنام، که او را سخت کار پس از زندگی ما را به مکانی بهتر.