CEVA推出深层神经网络框架加快机器学习技术的应用

嵌入式联网技术

1人已加入

描述

  全球领先的蜂窝通信、多媒体和连接性DSP IP平台授权厂商CEVA公司宣布推出实时神经网络软件框架CEVA 深层神经网络(CEVA Deep Neural Network, CDNN),以简化低功耗嵌入式系统中的机器学习部署。通过利用CEVA-XM4 图像和视觉DSP的处理能力,CDNN使得嵌入式系统执行深层学习任务的速度比基于GPU的领先系统提高3倍,同时消耗的功率减少30倍,所需存储带宽减少15倍 (注)。例如,在28nm工艺下对每秒 30帧的1080p视频流运行基于深层神经网络(DNN) 的行人检测算法,所需功率低于30mW。

  CDNN具备高性能、低功率和低存储带宽特性的关健在于CEVA网络生成器(CEVA Network Generator),这个专有自动化技术能够将客户的网络结构和权重转换为用于实时的、轻量级的定制网络模型,以实现可以显著减少功耗和存储带宽的更快速网络模型,与原本网络相比,其精度退化低于1%。这个定制嵌入就绪(embedded-ready)网络一旦生成,便可使用完全优化的卷积神经网络(Convolutional Neural Network, CNN)层、软件库和API在CEVA-XM4图像和视觉DSP上运行。

  CEVA公司CEVAnet合作伙伴计划的成员企业Phi Algorithm Solutions已经使用CDNN实现了一个基于CNN的通用目标检测 (Universal Object Detector)算法,用于CEVA-XM4 DSP。现在应用开发人员和OEM厂商可以把这个算法用于各种应用,包括用于安全的行人检测和面部检测、先进驾驶辅助系统(ADAS)和基于低功耗相机功能系统的其它嵌入式设备。

  Phi Algorithm Solutions总裁兼共同创始人Steven Hanna表示:“CEVA深层神经网络框架为我们基于卷积神经网络的算法提供了从离线训练到实时检测的快速顺畅路径,使得我们能够在短短数天内获得经过优化的独特目标检测网络实施方案,并且功耗比其它平台显著降低。CEVA-XM4图像和视觉DSP结合CDNN框架,是嵌入式视觉设备的理想选择,并且为使用深层学习技术的人工智能设备在未来数年的进步打稳了根基。”

  CEVA营销副总裁Eran Briman表示:“至今为止,我们已赢得了20多项设计,在嵌入式视觉处理器领域继续领先业界,并且不断提升我们的视觉IP产品组合以帮助客户更快地将产品推向市场并且最大限度地降低风险。我们用于CEVA-XM4的新型深层神经网络框架是嵌入技术行业中首个此类产品,为寻求在功率受限的嵌入式系统中实施可行深层学习算法的开发人员实现了长足的进步。”

  CDNN软件框架以源代码方式提供,扩展了CEVA-XM现有的应用开发套件 (ADK) 。它具有灵活和模块化特性,能够支持完整的CNN实施方案或特定层,并且可与各种网络和结构共享,比如使用Caffe、Torch或Theano训练框架开发的网络,或专有网络。CDNN包括用于图像分类、定位和目标识别的实时示例模型,用于目标和场景识别、先进驾驶辅助系统(ADAS)、人工智能(AI)、视频分析、增强现实(AR)、虚拟现实(VR)和类似的计算机视觉应用。

  注:比较在最常用的深层神经网络AlexNet上的运行情况

  关于CEVA公司

  CEVA公司是向移动通信、消费类电子、汽车及物联网市场中的半导体公司及OEM产商提供用于蜂窝通信、多媒体和无线连接技术的领先授权厂商。我们的DSP IP产品线包括各种全面的平台,用于终端及基站的多模2G/3G/LTE/LTE-A基带处理、任何具备摄像头的设备的计算机视觉及计算图像学处理、以及面向多个物联网市场的先进的音频/语音处理和超低功耗Always-on/传感应用。在连接性领域内,我们提供的业内最广泛IP覆盖蓝牙(Bluetooth Smart 及Bluetooth Smart Ready)、Wi-Fi (802.11 b/g/n/ac 以至 4x4)以及串行存储 (SATA和SAS)领域。CEVA的IP应用于全球三分之一的手机,分别来自顶尖手机OEM厂商如三星、华为、小米、联想、HTC、LG、酷派、中兴 (ZTE)、Micromax和魅族等。

打开APP阅读更多精彩内容
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

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分