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
会员中心
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

边缘人工智能,从传感器融合到深度神经网络

CEVA 来源:未知 2023-02-10 01:55 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

AI在边缘领域的优势现在是显而易见的。在这些领域中,实时响应起到决定性的作用。比如说,在安全敏感型应用中,既要将原始数据传输到云的通信成本降至最低,又要降低功耗、保护隐私并提高对多个边缘节点的可扩展性。

对于以上这些要求,我们建议通过边缘设备内的人工智能而不是远程云服务来满足。然而,一个AI引擎无法服务我们现在所知的边缘应用范围。家用电器可能只需要识别一组简单的语音命令或食品容器上的图片。更复杂的监控系统或工业机器人系统则可能需要融合图像传感器、麦克风、运动传感器等的多方输入。

就高端领域而言,自动或半自动驾驶识别系统需要用到非常复杂的深度神经网络 (DNN)。CEVA SensPro2 和NeuPro-M平台恰能满足这些需求。

边缘AI市场

自现在起至本世纪末,边缘AI处理器芯片市场的年复合增长率预计将达到20%左右。这一增长是由智能设备采用率/发展程度不断提高推动的,具体涉及:摄像头、可穿戴设备和家庭自动化领域消费者;安全和自动化程度日益提高的汽车行业;行业监控、机器人、机器/工厂控制和预测性维护。

最有可能在这些领域取得成功的产品自然必须功能十足、性能强大,如此才能满足应用这些产品的认可需求。此类产品必须根据消费者定价和/或在大规模部署时具有成本效益,同时还应该最大限度地减少现有无线基础设施的增量负载。此类产品的软件还必须可以升级,如此才能适应快速发展的AI技术领域的新兴解决方案。

传感器融合和SensPro2

除了最简单的智能边缘设备之外,其他所有设备现在都使用多个传感器。两个或更多传感器的融合信息通常可让智能系统提供准确性度更高的信息或补充信息。例如,在自动平行泊车或自动代客泊车系统中,可结合使用探测可用空间的视觉传感技术/雷达与超声波测距技术,另外也可以结合使用IMU输入,进一步细化定位估计结果。SLAM算法可以对这些功能形成补充,在停车场内导航以便自动代客泊车。

CEVA SensPro2传感器中枢DSP是传感器中枢/融合应用的完美答案。SensPro2是第二代CEVA传感器中枢DSP,允许图像传感器、麦克风、雷达、飞行时间、IMU 等的多个传感器输入。

基于神经网络的软件可在这种DSP架构上快速运行。因为这种架构提供整套丰富的硬件支持功能,包括:具有灵活MAC操作范围的矢量单元、整数和浮点运算支持、针对应用的ISA扩展和全面的非线性指令集。SensPro2可利用这些功能提供2倍的AI速度、6倍的SLAM速度、8倍的雷达速度、10倍的音频速度(相较于上一代SensPro而言)。

在各种消费者应用中,边缘人工智能已通过SensPro2部署到SoC,最近发布的新Novatek监控SoC版本就是一个示例。

DNN 智能和NeuPro-M

高端边缘智能需要深度神经网络 (DNN) 支持、高水平的并行性能和带宽优化,以及拥有最新AI算法的异构加速器。对于第一种需求而言,自动/半自动驾驶时的可用空间检测是一个不错的应用示例。此检测目的在于沿着公路/高速公路的安全驾驶区域行驶,避开障碍物,避免驶上对向车道、未铺砌的路肩和隔离带。在这种情况下必须迅速响应,因此会将前方道路图像分解为4个子帧,对其进行并行处理。之后再在每个子图像上运行可用空间检测,并重新组合以提供完整的结果。对于边缘应用中的此类人工智能而言,NeuPro-M可支持多达8个并行运行的引擎

大家对精度和性能的期望远不止并行这么简单。如今的网络开发人员希望利用现在NeuPro-M中采用硬件加速的专用功能,如矩阵分解、稀疏、Winograd及混合精度的神经操作,且以上所有功能都可以在每个并行引擎中使用。

NeuPro-M于2022年发布,荣获了“亚洲金选奖”之“金选潜力标杆奖”“2022年边缘人工智能与视觉联盟产品奖”之“年度最佳边缘AI处理器荣誉奖”。目前已部署在设计中的多个SoC中,并预计会在未来几年出现在最终产品中。

面向未来的解决方案

在标准CPUGPU上运行的纯软件AI解决方案效率过低,功耗又大,不太实用,但在理论上来说又具有一定的吸引力,因为您可以随时更改软件,而无需更改硬件。随着AI技术和网络层的发展,能否在获得硬件加速带来的所有性能和功耗优势的同时,保持灵活升级?

SensPro2和NeuPro-M能够做到这一点。这些AI解决方案的矢量DSP基础确保您能够随着市场需求和网络的发展,在软件中对产品实施进行升级。CEVA的深度神经网络 (CDNN) AI编译器简化了从标准网络(TensorFlow、PyTorch等)实施到在特定SoC中实施时映射到处理器IP的一应事宜。

您也可以在此步骤中控制优化,以充分利用特殊加速器(如NeuPro-M中的加速器),或添加您在设计中可能需要的、自己的加速器。CEVA CDNN-Invite API为此类扩展提供支持。

识别右侧二维码

立即了解

CEVA更多信息

5822749a-a8a2-11ed-bfe3-dac502259ad0.png  

58e6a662-a8a2-11ed-bfe3-dac502259ad0.gif

关于CEVA

590c73a6-a8a2-11ed-bfe3-dac502259ad0.svg

CEVA 是排名前列的无线连接和智能传感技术以及集成 IP 解决方案授权商,旨在打造更智能、更安全、互联的世界。我们为传感器融合、图像增强、计算机视觉、语音输入和人工智能应用提供数字信号处理器、人工智能处理器、无线平台、加密内核和配套软件。这些技术与我们的 Intrinsix IP 集成服务一起提供给客户,帮助他们解决复杂和时间关键的集成电路设计项目。许多世界排名前列的半导体厂商、系统公司和OEM利用我们的技术和芯片设计技能,为移动、消费、汽车、机器人、工业、航天国防和物联网等各种终端市场开发高能效、智能、安全的互联设备。

我们基于 DSP 的解决方案包括移动、物联网和基础设施中的 5G 基带处理平台;摄像头设备的高级影像技术和计算机视觉;适用于多个物联网市场的音频/语音/话音应用和超低功耗的始终开启/感应应用。对于传感器融合,我们的 Hillcrest Labs 传感器处理技术为耳机、可穿戴设备、AR/VR、PC机、机器人、遥控器、物联网等市场提供广泛的传感器融合软件和惯性测量单元 (“IMU”) 解决方案。在无线物联网方面,我们的蓝牙(低功耗和双模)、Wi-Fi 4/5/6/6E (802.11n/ac/ax)、超宽带(UWB)、NB-IoT和GNSS 平台是业内授权较为广泛的连接平台。

欢迎点亮“在看”哦

591d9050-a8a2-11ed-bfe3-dac502259ad0.gif


原文标题:边缘人工智能,从传感器融合到深度神经网络

文章出处:【微信公众号:CEVA】欢迎添加关注!文章转载请注明出处。


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

    559

    文章

    8219

    浏览量

    364058
  • 蓝牙
    +关注

    关注

    119

    文章

    6228

    浏览量

    177582
  • CEVA
    +关注

    关注

    1

    文章

    191

    浏览量

    77059

原文标题:边缘人工智能,从传感器融合到深度神经网络

文章出处:【微信号:CEVA-IP,微信公众号:CEVA】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    利用超微型 Neuton ML 模型解锁 SoC 边缘人工智能

    我们所有的 SoC 都能用于边缘人工智能。例子包括: 预测性维护和楼宇自动化系统 在每个节点上进行本地数据分析的智能传感器网络 遥控和可穿
    发表于 08-31 20:54

    AI 边缘计算网关:开启智能新时代的钥匙​—龙兴物联

    顺畅地通向云端,实现设备与云端之间高效的数据传输与交互。通过融合先进的边缘计算和人工智能技术,AI 边缘计算网关能够在靠近数据源的网络
    发表于 08-09 16:40

    挖到宝了!人工智能综合实验箱,高校新工科的宝藏神器

    和生态体系带到使用者身边 ,让我们在技术学习和使用上不再受制于人。 三、多模态实验,解锁AI全流程 它嵌入了2D视觉、深度视觉、机械手臂、语音识别、嵌入式传感器等多种类AI模块,涵盖人工智能领域主要
    发表于 08-07 14:30

    挖到宝了!比邻星人工智能综合实验箱,高校新工科的宝藏神器!

    和生态体系带到使用者身边 ,让我们在技术学习和使用上不再受制于人。 三、多模态实验,解锁AI全流程 它嵌入了2D视觉、深度视觉、机械手臂、语音识别、嵌入式传感器等多种类AI模块,涵盖人工智能领域主要
    发表于 08-07 14:23

    超小型Neuton机器学习模型, 在任何系统级芯片(SoC)上解锁边缘人工智能应用.

    可以在广泛的传感器网络的每个节点上进行人工智能处理,而在这种网络中,传感器的尺寸和成本是关键,空间也非常宝贵。
    发表于 07-31 11:38

    爱立信携手超微加速边缘人工智能部署

    爱立信与超微 Supermicro近日宣布有意开展战略合作,加速边缘人工智能部署。
    的头像 发表于 06-17 09:42 1.5w次阅读

    智能照明系统:具备认知能力的“光神经网络

    智能照明系统是物联网技术与传统照明深度融合的产物,其本质是通过感知环境、解析需求、自主决策的闭环控制,重构光与人、空间、环境的关系。这一系统由智能光源、多维
    的头像 发表于 06-05 15:46 549次阅读

    配备边缘人工智能智能紧凑型传感器

    一个由勃兰登堡多所大学和研究机构参与的新启动的跨学科研究项目正在开发全新技术方法,以便在IT网络边缘(即所谓的“边缘”)更好、更有效地整合人工智能。 这些发展有望在未来发挥重要作用,
    的头像 发表于 05-09 11:27 419次阅读

    开售RK3576 高性能人工智能主板

    ZYSJ-2476B 高性能智能主板,采用瑞芯微 RK3576 高性能 AI 处理神经网络处理 NPU, Android 14.0/debian11/ubuntu20.04 操
    发表于 04-23 10:55

    BP神经网络深度学习的关系

    BP神经网络深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Ba
    的头像 发表于 02-12 15:15 1362次阅读

    用 ADI 的 MAX78002 MCU 开发边缘人工智能应用

    应用能够在物联网设备上运行,而这些设备通常会受到内存、带宽和功耗的限制。 [Analog Devices, Inc.] 的一款微控制 (MCU) 集成了低功耗卷积神经网络 (CNN) 加速,可在电池供电型设备上处理
    的头像 发表于 01-26 21:20 938次阅读
    用 ADI 的 MAX78002 MCU 开发<b class='flag-5'>边缘人工智能</b>应用

    智能传感器如何推动边缘人工智能普及化

              智能传感器推动 边缘AI普及化         前言 英伟达公司(Nvidia)于日前发布了全新的50系显卡,在提高游戏性能的同时,着重优化了人工智能(AI)表现,
    的头像 发表于 01-15 14:26 1102次阅读
    看<b class='flag-5'>智能</b><b class='flag-5'>传感器</b>如何推动<b class='flag-5'>边缘人工智能</b>普及化

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工
    的头像 发表于 01-09 10:24 2271次阅读
    <b class='flag-5'>人工</b><b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法

    边缘设备上设计和部署深度神经网络的实用框架

    ,以及由强大而高效的软件工具链补充的低成本边缘设备的可用性。此外,需要避免通过网络传输数据——无论是出于安全原因还是仅仅为了尽量减少通信成本。 边缘人工智能涵盖广泛的设备、传感器、微控
    的头像 发表于 12-20 11:28 1410次阅读