0651-97280188

我们只用绿色的食品原料

亚博app零食加工厂,只为您的健康着想

触景无限CEO肖洪波:重构边缘芯片,打通感知城市前端数据|CCF-GAIR2019“亚博app”

2021-05-03 00:06上一篇:亚博APP手机版_天猫年终国货MVP盘点坚果激光电视增速迅猛引领2018 |下一篇:没有了

本文摘要:将所有信息传输到数据中心。此外,还有各种隐私问题和当地呼吁。这些都要求边缘人工智能是未来人工智能落地的最重要的技术基础,而不是云。在过去的几年里,我们仍然专注于边缘计算。 我们已经推出了多个边缘计算的产品。我们在这里佩戴了两个产品:盾悟智能盒和盾悟智能分析主机。我们使用了加速前端深度自学的阵列。功耗仅为15瓦。 我们反对各种算法处置,包括面部、行人和ReID的前端图像处置算法。除了产品,我们还在其基础上构建了一套分布式边缘智能系统。

产品

将所有信息传输到数据中心。此外,还有各种隐私问题和当地呼吁。这些都要求边缘人工智能是未来人工智能落地的最重要的技术基础,而不是云。在过去的几年里,我们仍然专注于边缘计算。

我们已经推出了多个边缘计算的产品。我们在这里佩戴了两个产品:盾悟智能盒和盾悟智能分析主机。我们使用了加速前端深度自学的阵列。功耗仅为15瓦。

我们反对各种算法处置,包括面部、行人和ReID的前端图像处置算法。除了产品,我们还在其基础上构建了一套分布式边缘智能系统。我们设计了可并联处理的标准单元,由前端传感器、边缘智能箱和智能网关组成。

我们可以在前端收集和处理各种数据,并将结果传输到后端,并将其应用于平台一步处理系统。最近,我们刚做的地铁刷脸入站系统是将车站系统分为多个节点进行处理,在1200毫秒内构筑刷脸入站。

在物联网感觉系统的应用中,我想推荐一个例子用例子说明我们在前端有什么样的市场需求。这是我们在武汉进行的城市交通物联网方案:电子警察系统(听PPT)。

中国的大量交通事故是由不合规的驾驶引起的,我们的交通法规制定了很多条款,但由于技术不能抓住这些不道德,基本上大家的电子警察只能抓住红灯。但是,进入我们的系统后,我相信我们的驾驶不道德没有更大的规范性。我们的电子警察系统,一台相机可以同时复盖面积多条车道,前端可以同时抓住16种违规行为。

现在的违法逮捕是照相机复盖面积的车道。在我们和武汉交通警察的测试中,与以前的数据相比,十字路口逮捕的违规数减少了20倍。以前一个月的平均值不能抓住三十多个违规,现在一个月抓住七百多个违规。

我们的捕获率超过98.66%,接近超友商。我们在这个系统中使用了前端感应技术,用于相似的图像传感器、多个阶段的高速算法。传统系统反对算法,除了车辆违规检查以外的模型可以同时行驶,像脸的模型、雾的检查模型一样,可以动态并行呼吁。

在过去的两年里,我们公司开发了四代边缘计算的产品,基本垄断面积现在市场上销售的各种前端芯片解决方案,如第一代基于嵌入式GPU的产品,然后是VPU和NPU的产品,最近开发的下一代基于可编程芯片的产品。这些芯片都很优秀,但我们还有很大的提高空间。

数据

我们必须在新的芯片解决问题的智能城市面临的问题。对于前端的感觉系统,从场景开始,通过光学部分到达图像传感器,通过ISP处理,传统的处理方式通过解码传输到云,需要处理。

我们指出,感应系统应该融合多种传感器,在一定程度上是光学传感器,还有声音、激光雷达等其他传感器的数据。前端感应系统分析后,可以动态调节这些传感器,提供想要的数据。

某种程度是图片记录,根据我关心的场景,如交通场景、安全场景,根据这些场景对传感器进行更细致的调节,提供更好的图像和更好的其他传感器数据。感官场景需要什么样的小费?从芯片的角度来看,一个是标准化芯片,包括CPU、GPU和深度自学加速的芯片,都是标准化芯片。一种是专用芯片。我们指出,感觉场景中需要的是专用的SOC,在芯片中构筑感觉能力。

我们的芯片设计在三个方面满足了高性能、低功耗、感觉融合的前端市场需求。高性能和低功耗更容易解读。因为这是边缘的芯片,所以功耗特别脆弱。

另一个是传感器和AI处理的融合,我真的是前端芯片最核心的能力,在物联网领域和边缘领域,其核心数据来源是传感器这个地方,如何确实融合智能和传感器是解决问题的问题。前端感应芯片有几个大模块构成,第一部分是来自图像的数据,当然也有其他传感器数据,有DSP。来自图像传感器的数据有智能的AIISP处理,开展动态调节处理。重要的AI处理部分是分段神经网络加速单元。

现在看到很多AI芯片都是单核芯片,所有的模型都是串行计算的,也就是说敲一个模型进行运算,一个结果,另一个传感器的数据和其他功能必须更换另一个模型进行处理。但是,感觉系统和人的眼睛一样,同时运营多个功能,必须加快前端的神经网络。

此外,芯片还包括一些功能模块,如块,这些都是成熟期。从去年开始公开发表感觉芯片计划时,我们在美国投资的物联网芯片技术公司InspiritIoT也公开了。在过去的2019年DAC比赛中,我们的神经网络加速模型取得了第一名的成绩,与其他GPU的展开相比也是第一名,我们最少可以超过50倍的DNN加速效率,能源效率也超过了8TOPS/W。在感觉融合方面,我们不会通过边缘多传感器融合模型,在前端对不同传感器的数据进行深度自学的数据融合处理,提供全面准确的数据,构建符合实际场景功能市场需求。

在ROI方面,我们也进行了更深入的优化。传统的ISP技术特别强调照片和视频,但IoT场景中关注的是信息点,如何对信息点进行智能调节。

芯片

就像刚才提到的交通场景一样,我们使用了超强宽的摄像头,但我们并不在乎构图图像,我们必须在前端处理我们关心的目标,如车辆和脸部,我们不会在前端抓住我们感兴趣的区域,并根据场景优化像素级的ISP。主要分为两部分,一部分与目标有关,另一部分与场景有关,如根据周围的光调节。此外,我们的芯片还包括更优秀的细节优化算法,可以利用多帧算法优化局部细节,这也是未来传感器明确提出的挑战。

大家使用的产品的产品都是几十帧的帧率,但实质上,传感器可以反对到1000帧,但很难输出。在这种传感器上,我们可以使用算法进行优化,这有助于提供更好的图像或数据质量。

今年,我们还将与英特尔进一步合作,开发优化框架,在英特尔的FPGA上构建感官算法。我们不构建非常低的能耗比提高,包括算法适应的优化和再生产。其中包括非常高效的高层综合工具,自动生成RTL的FPGA代码,将感觉算法慢慢再生成FPGA的平台。

从感官的角度来看,首先要从场景的角度来满足市场需求,而不是从技术、深度自学的角度来看,如何加快计算。我们解决问题产品和场景面临的挑战和问题,获得更容易使用的感觉芯片,构建软件核心级和芯片结构级的综合产品。非常感谢你原始文章允许禁止发布。

下一篇文章发表了注意事项。


本文关键词:系统,感觉,算法,芯片,亚博app

本文来源:亚博app-www.lidazk.com