女人荫蒂被添全过程13种图片,亚洲+欧美+在线,欧洲精品无码一区二区三区 ,在厨房拨开内裤进入毛片

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

邊緣人工智能,從傳感器融合到深度神經網絡

CEVA ? 來源:未知 ? 2023-02-10 01:55 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

AI在邊緣領域的優勢現在是顯而易見的。在這些領域中,實時響應起到決定性的作用。比如說,在安全敏感型應用中,既要將原始數據傳輸到云的通信成本降至最低,又要降低功耗、保護隱私并提高對多個邊緣節點的可擴展性。

對于以上這些要求,我們建議通過邊緣設備內的人工智能而不是遠程云服務來滿足。然而,一個AI引擎無法服務我們現在所知的邊緣應用范圍。家用電器可能只需要識別一組簡單的語音命令或食品容器上的圖片。更復雜的監控系統或工業機器人系統則可能需要融合圖像傳感器、麥克風、運動傳感器等的多方輸入。

就高端領域而言,自動或半自動駕駛識別系統需要用到非常復雜的深度神經網絡 (DNN)。CEVA SensPro2 和NeuPro-M平臺恰能滿足這些需求。

邊緣AI市場

自現在起至本世紀末,邊緣AI處理器芯片市場的年復合增長率預計將達到20%左右。這一增長是由智能設備采用率/發展程度不斷提高推動的,具體涉及:攝像頭、可穿戴設備和家庭自動化領域消費者;安全和自動化程度日益提高的汽車行業;行業監控、機器人、機器/工廠控制和預測性維護。

最有可能在這些領域取得成功的產品自然必須功能十足、性能強大,如此才能滿足應用這些產品的認可需求。此類產品必須根據消費者定價和/或在大規模部署時具有成本效益,同時還應該最大限度地減少現有無線基礎設施的增量負載。此類產品的軟件還必須可以升級,如此才能適應快速發展的AI技術領域的新興解決方案。

傳感器融合和SensPro2

除了最簡單的智能邊緣設備之外,其他所有設備現在都使用多個傳感器。兩個或更多傳感器的融合信息通常可讓智能系統提供準確性度更高的信息或補充信息。例如,在自動平行泊車或自動代客泊車系統中,可結合使用探測可用空間的視覺傳感技術/雷達與超聲波測距技術,另外也可以結合使用IMU輸入,進一步細化定位估計結果。SLAM算法可以對這些功能形成補充,在停車場內導航以便自動代客泊車。

CEVA SensPro2傳感器中樞DSP是傳感器中樞/融合應用的完美答案。SensPro2是第二代CEVA傳感器中樞DSP,允許圖像傳感器、麥克風、雷達、飛行時間、IMU 等的多個傳感器輸入。

基于神經網絡的軟件可在這種DSP架構上快速運行。因為這種架構提供整套豐富的硬件支持功能,包括:具有靈活MAC操作范圍的矢量單元、整數和浮點運算支持、針對應用的ISA擴展和全面的非線性指令集。SensPro2可利用這些功能提供2倍的AI速度、6倍的SLAM速度、8倍的雷達速度、10倍的音頻速度(相較于上一代SensPro而言)。

在各種消費者應用中,邊緣人工智能已通過SensPro2部署到SoC,最近發布的新Novatek監控SoC版本就是一個示例。

DNN 智能和NeuPro-M

高端邊緣智能需要深度神經網絡 (DNN) 支持、高水平的并行性能和帶寬優化,以及擁有最新AI算法的異構加速器。對于第一種需求而言,自動/半自動駕駛時的可用空間檢測是一個不錯的應用示例。此檢測目的在于沿著公路/高速公路的安全駕駛區域行駛,避開障礙物,避免駛上對向車道、未鋪砌的路肩和隔離帶。在這種情況下必須迅速響應,因此會將前方道路圖像分解為4個子幀,對其進行并行處理。之后再在每個子圖像上運行可用空間檢測,并重新組合以提供完整的結果。對于邊緣應用中的此類人工智能而言,NeuPro-M可支持多達8個并行運行的引擎

大家對精度和性能的期望遠不止并行這么簡單。如今的網絡開發人員希望利用現在NeuPro-M中采用硬件加速的專用功能,如矩陣分解、稀疏、Winograd及混合精度的神經操作,且以上所有功能都可以在每個并行引擎中使用。

NeuPro-M于2022年發布,榮獲了“亞洲金選獎”之“金選潛力標桿獎”“2022年邊緣人工智能與視覺聯盟產品獎”之“年度最佳邊緣AI處理器榮譽獎”。目前已部署在設計中的多個SoC中,并預計會在未來幾年出現在最終產品中。

面向未來的解決方案

在標準CPUGPU上運行的純軟件AI解決方案效率過低,功耗又大,不太實用,但在理論上來說又具有一定的吸引力,因為您可以隨時更改軟件,而無需更改硬件。隨著AI技術和網絡層的發展,能否在獲得硬件加速帶來的所有性能和功耗優勢的同時,保持靈活升級?

SensPro2和NeuPro-M能夠做到這一點。這些AI解決方案的矢量DSP基礎確保您能夠隨著市場需求和網絡的發展,在軟件中對產品實施進行升級。CEVA的深度神經網絡 (CDNN) AI編譯器簡化了從標準網絡(TensorFlow、PyTorch等)實施到在特定SoC中實施時映射到處理器IP的一應事宜。

您也可以在此步驟中控制優化,以充分利用特殊加速器(如NeuPro-M中的加速器),或添加您在設計中可能需要的、自己的加速器。CEVA CDNN-Invite API為此類擴展提供支持。

識別右側二維碼

立即了解

CEVA更多信息

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

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

關于CEVA

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

CEVA 是排名前列的無線連接和智能傳感技術以及集成 IP 解決方案授權商,旨在打造更智能、更安全、互聯的世界。我們為傳感器融合、圖像增強、計算機視覺、語音輸入和人工智能應用提供數字信號處理器、人工智能處理器、無線平臺、加密內核和配套軟件。這些技術與我們的 Intrinsix IP 集成服務一起提供給客戶,幫助他們解決復雜和時間關鍵的集成電路設計項目。許多世界排名前列的半導體廠商、系統公司和OEM利用我們的技術和芯片設計技能,為移動、消費、汽車、機器人、工業、航天國防和物聯網等各種終端市場開發高能效、智能、安全的互聯設備。

我們基于 DSP 的解決方案包括移動、物聯網和基礎設施中的 5G 基帶處理平臺;攝像頭設備的高級影像技術和計算機視覺;適用于多個物聯網市場的音頻/語音/話音應用和超低功耗的始終開啟/感應應用。對于傳感器融合,我們的 Hillcrest Labs 傳感器處理技術為耳機、可穿戴設備、AR/VR、PC機、機器人、遙控器、物聯網等市場提供廣泛的傳感器融合軟件和慣性測量單元 (“IMU”) 解決方案。在無線物聯網方面,我們的藍牙(低功耗和雙模)、Wi-Fi 4/5/6/6E (802.11n/ac/ax)、超寬帶(UWB)、NB-IoT和GNSS 平臺是業內授權較為廣泛的連接平臺。

歡迎點亮“在看”哦

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


原文標題:邊緣人工智能,從傳感器融合到深度神經網絡

文章出處:【微信公眾號:CEVA】歡迎添加關注!文章轉載請注明出處。


聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • dsp
    dsp
    +關注

    關注

    556

    文章

    8155

    瀏覽量

    356966
  • 藍牙
    +關注

    關注

    116

    文章

    6068

    瀏覽量

    173832
  • CEVA
    +關注

    關注

    1

    文章

    189

    瀏覽量

    76547

原文標題:邊緣人工智能,從傳感器融合到深度神經網絡

文章出處:【微信號:CEVA-IP,微信公眾號:CEVA】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    愛立信攜手超微加速邊緣人工智能部署

    愛立信與超微 Supermicro近日宣布有意開展戰略合作,加速邊緣人工智能部署。
    的頭像 發表于 06-17 09:42 ?1229次閱讀

    配備邊緣人工智能智能緊湊型傳感器

    一個由勃蘭登堡多所大學和研究機構參與的新啟動的跨學科研究項目正在開發全新技術方法,以便在IT網絡邊緣(即所謂的“邊緣”)更好、更有效地整合人工智能。 這些發展有望在未來發揮重要作用,
    的頭像 發表于 05-09 11:27 ?208次閱讀

    BP神經網絡深度學習的關系

    BP神經網絡深度學習之間存在著密切的關系,以下是對它們之間關系的介紹: 一、BP神經網絡的基本概念 BP神經網絡,即反向傳播神經網絡(Ba
    的頭像 發表于 02-12 15:15 ?840次閱讀

    用 ADI 的 MAX78002 MCU 開發邊緣人工智能應用

    應用能夠在物聯網設備上運行,而這些設備通常會受到內存、帶寬和功耗的限制。 [Analog Devices, Inc.] 的一款微控制 (MCU) 集成了低功耗卷積神經網絡 (CNN) 加速,可在電池供電型設備上處理
    的頭像 發表于 01-26 21:20 ?557次閱讀
    用 ADI 的 MAX78002 MCU 開發<b class='flag-5'>邊緣人工智能</b>應用

    智能傳感器如何推動邊緣人工智能普及化

    ? ? ? ? ? 智能傳感器推動 邊緣AI普及化 ? ? ? ? 前言 英偉達公司(Nvidia)于日前發布了全新的50系顯卡,在提高游戲性能的同時,著重優化了人工智能(AI)表現,
    的頭像 發表于 01-15 14:26 ?774次閱讀
    看<b class='flag-5'>智能</b><b class='flag-5'>傳感器</b>如何推動<b class='flag-5'>邊緣人工智能</b>普及化

    人工神經網絡的原理和多種神經網絡架構方法

    在上一篇文章中,我們介紹了傳統機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經網絡的原理和多種神經網絡架構方法,供各位老師選擇。 01 人工
    的頭像 發表于 01-09 10:24 ?1173次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經網絡</b>的原理和多種<b class='flag-5'>神經網絡</b>架構方法

    邊緣設備上設計和部署深度神經網絡的實用框架

    ,以及由強大而高效的軟件工具鏈補充的低成本邊緣設備的可用性。此外,需要避免通過網絡傳輸數據——無論是出于安全原因還是僅僅為了盡量減少通信成本。 邊緣人工智能涵蓋廣泛的設備、傳感器、微控
    的頭像 發表于 12-20 11:28 ?868次閱讀

    19位國際頂尖學者聯袂撰寫《重新審視邊緣人工智能:機遇與挑戰》

    19位國際頂尖學者聯袂撰寫《重新審視邊緣人工智能:機遇與挑戰》
    的頭像 發表于 11-27 01:04 ?860次閱讀
    19位國際頂尖學者聯袂撰寫《重新審視<b class='flag-5'>邊緣人工智能</b>:機遇與挑戰》

    嵌入式和人工智能究竟是什么關系?

    人工智能的結合,無疑是科技發展中的一場革命。在人工智能硬件加速中,嵌入式系統以其獨特的優勢和重要性,發揮著不可或缺的作用。通過深度學習和神經網絡等算法,嵌入式系統能夠高效地處理大量數
    發表于 11-14 16:39

    Moku人工神經網絡101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經網絡】,使用戶能夠在Moku設備上部署實時機器學習算法,進行快速、靈活的信號分析、去噪、傳感器調節校準、閉環反饋等應用。如果您
    的頭像 發表于 11-01 08:06 ?646次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經網絡</b>101

    FPGA在人工智能中的應用有哪些?

    FPGA(現場可編程門陣列)在人工智能領域的應用非常廣泛,主要體現在以下幾個方面: 一、深度學習加速 訓練和推理過程加速:FPGA可以用來加速深度學習的訓練和推理過程。由于其高并行性和低延遲特性
    發表于 07-29 17:05

    FPGA在深度神經網絡中的應用

    隨著人工智能技術的飛速發展,深度神經網絡(Deep Neural Network, DNN)作為其核心算法之一,在圖像識別、語音識別、自然語言處理等領域取得了顯著成果。然而,傳統的深度
    的頭像 發表于 07-24 10:42 ?1188次閱讀

    殘差網絡深度神經網絡

    殘差網絡(Residual Network,通常簡稱為ResNet) 是深度神經網絡的一種 ,其獨特的結構設計在解決深層網絡訓練中的梯度消失和梯度爆炸問題上取得了顯著的突破,并因此成為
    的頭像 發表于 07-11 18:13 ?1600次閱讀

    BP神經網絡和卷積神經網絡的關系

    BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領域
    的頭像 發表于 07-10 15:24 ?2438次閱讀

    BP神經網絡人工神經網絡的區別

    BP神經網絡人工神經網絡(Artificial Neural Networks,簡稱ANNs)之間的關系與區別,是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及
    的頭像 發表于 07-10 15:20 ?2267次閱讀
    主站蜘蛛池模板: 北京市| 宜川县| 额尔古纳市| 隆化县| 罗田县| 西盟| 商南县| 闸北区| 乌兰浩特市| 通化县| 开江县| 康乐县| 定州市| 屏南县| 荆门市| 盐源县| 民和| 福安市| 漯河市| 县级市| 台湾省| 吐鲁番市| 奎屯市| 体育| 公主岭市| 瑞安市| 克什克腾旗| 商洛市| 景谷| 涟源市| 什邡市| 邵阳市| 饶平县| 宜兴市| 夏津县| 新乐市| 遂平县| 汨罗市| 麦盖提县| 彰化县| 淳化县|