0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

CEVA宣布DSP和语音神经网络支持新一代智能嵌入式设备发挥AI功能

牵手一起梦 来源:C114通信网 作者:佚名 2020-04-09 14:51 次阅读

CEVA,全球领先的无线连接和智能传感技术的授权许可厂商(NASDAQ:CEVA)宣布其CEVA-BX DSP内核与瞄准会话型人工智能AI)和情境感知应用的WhisPro™语音识别软件现在支持TensorFlow Lite for Microcontrollers,后者是一款可量产的跨平台框架,用于在边缘设备中的低功耗处理器上部署微型机器学习应用。

微型机器学习将AI的功能带到了极低功耗、始终开启的电池供电物联网IoT)设备上,可以在音频、语音、图像和运动等领域于设备上进行传感器数据分析。CEVA在边缘应用中采用整体式AI方法,确保使用TensorFlow Lite for Microcontrollers的客户能够利用统一的处理器架构来运行这个框架和相关的神经网络工作负载,以构建智能连接产品。CEVA的WhisPro语音识别软件和定制命令模型与TensorFlow Lite框架集成,进一步加快了小型语音助理和其他语音控制物联网设备的开发工作。

谷歌TensorFlow技术负责人Pete Warden表示:“CEVA一直处于嵌入式系统的机器学习和神经网络推理应用的最前沿,并且了解未来机器学习将向微型发展,进入功耗和成本均受到极大限制的设备。CEVA持续投资开发支持TensorFlow模型的功能强大的框架、工具和软件,从而提供突出的产品来支持新一代智能嵌入式设备发挥AI功能。”

CEVA首席技术官Erez Bar-Niv表示:“业界对于利用设备上AI来增强情境感知的需求不断增长,对话式AI工作负载也不断增长,给智能设备的成本、性能和能效带来了新的挑战。TensorFlow Lite for Microcontrollers通过提供精简框架来在资源受限的处理器上部署机器学习模型,极大地简化了这些设备的开发。我们针对CEVA-BX DSP和WhisPro语音识别模型对TensorFlow Lite框架进行了全面优化,能帮助减低SoC企业和OEM厂商为其设备增添智能传感功能的进入门槛。”

CEVA-BX DSP系列是高级可编程混合DSP/控制器,可为各种实时应用的信号处理和控制工作负载提供高效率运作。它使用11级流水线和5路VLIW微体系结构,通过双标量计算引擎并行处理、加载/存储和过程控制,达到5.5 4CoreMark/MHz性能,非常适合实时信号控制应用。其SIMD指令支持使其成为各种信号处理应用的理想选择,并且其双精度浮点单元可以高效处理情境感知和宽动态范围的传感器融合算法。除了进行实时AI推理外, CEVA-BX DSP系列还可帮助同时处理前端语音、传感器融合、音频处理和普通DSP工作负载。这可让客户和算法开发人员利用CEVA广泛的音频、语音和语音机器学习软件和程序库来加速其产品设计开发。

责任编辑:gt

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • dsp
    dsp
    +关注

    关注

    544

    文章

    7680

    浏览量

    344323
  • 神经网络
    +关注

    关注

    42

    文章

    4570

    浏览量

    98708
  • AI
    AI
    +关注

    关注

    87

    文章

    26405

    浏览量

    264006
收藏 人收藏

    评论

    相关推荐

    用STM32CubeMX导入神经网络,aiRun的indata应该定义成什么格式呢?

    我用STM32CubeMX中的X-Cube-AI, 导入了个处理时间序列的神经网络网络input是2维数据,如(10,256,2) 在Generate code之后,在main.
    发表于 03-13 07:38

    嵌入式人工智能的就业方向有哪些?

    于工业、农业、医疗、城市建设、金融、航天军工等多个领域。在新时代发展背景下,嵌入式人工智能已是大势所趋,成为当前最热门的AI商业化途径之
    发表于 02-26 10:17

    嵌入式系统发展前景?

    应用领域。随着汽车电子化和智能化程度的不断提高,嵌入式系统将在汽车控制、安全系统、自动驾驶等方面发挥更为重要的作用。 工智能和机器学习技术的发展为
    发表于 02-22 14:09

    卷积神经网络的优点

    卷积神经网络的优点  卷积神经网络(Convolutional Neural Network,CNN)是一种基于深度学习的神经网络模型,在图像识别、语音识别、自然语言处理等领域有着广泛
    的头像 发表于 12-07 15:37 2936次阅读

    离线语音识别和控制的工作原理及应用

    学习、卷积神经网络(CNN)和循环神经网络(RNN)等技术。这些技术能够在本地设备上实现高效运算,使得离线语音识别成为可能。   1.深度学习   深度学习在
    发表于 11-07 18:01

    AI加速器架构设计与实现》+第章卷积神经网络观后感

    AI加速器架构设计与实现》+第章卷积神经网络观感    在本书的引言中也提到“图胜千言”,读完第章节后,对其进行了
    发表于 09-11 20:34

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能
    的头像 发表于 08-22 16:45 3419次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    卷积神经网络的介绍 什么是卷积神经网络算法 卷积神经网络涉及的关键技术 卷积神经网络(Convolutional Neural Network,CNN)是一种用于图像分类、物体识别、
    的头像 发表于 08-21 16:49 1421次阅读

    卷积神经网络的工作原理 卷积神经网络通俗解释

    卷积神经网络的工作原理 卷积神经网络通俗解释  卷积神经网络(Convolutional Neural Network, CNN)是一种众所周知的深度学习算法,是人工智能领域中最受欢迎
    的头像 发表于 08-21 16:49 2726次阅读

    卷积神经网络模型原理 卷积神经网络模型结构

    卷积神经网络模型原理 卷积神经网络模型结构  卷积神经网络是一种深度学习神经网络,是在图像、语音、文本和视频等方面的任务中最有效的
    的头像 发表于 08-21 16:41 654次阅读

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点  卷积神经网络(Convolutional neural network,CNN)是一种基于深度学习技术的
    的头像 发表于 08-21 16:41 1927次阅读

    卷积神经网络详解 卷积神经网络包括哪几层及各层功能

    卷积神经网络详解 卷积神经网络包括哪几层及各层功能 卷积神经网络(Convolutional Neural Networks, CNNs)是一个用于图像和
    的头像 发表于 08-21 16:41 5264次阅读

    用CMSIS-NN版本转换Arm Cortex-M的神经网络:r0p0指南

    2. 概览 本指南向您展示了如何将神经网络从任何框架转换成个基于 Arm Cortex-M-M 装置的实施工具, 使用 Arm CMSIS- NN 库。 此教程用于不再支持的 CMSIS- NN
    发表于 08-11 07:06

    如何使用TensorFlow将神经网络模型部署到移动或嵌入式设备

    有很多方法可以将经过训练的神经网络模型部署到移动或嵌入式设备上。不同的框架在各种平台上支持Arm,包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK,如And
    发表于 08-02 06:43

    如何开发智能家居语音控制方案

    与主控平台实现通信,使得整体方案功能更佳强大,可与云平台配合处理更佳复杂的逻辑算法,并具备更强的AI处理能力。 独立主控硬件框图 串口与主控通信硬件框图 启英泰伦推出的第三高性能神经网络
    发表于 05-31 09:50