CEVA推出深层神经网络框架 加快低功耗嵌入式系统中机器学习技术的应用
出处:OFweek 电子工程网 发布于:2015-10-26 10:42:07
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。如要了解更多信息,请访问公司网页。
CEVA公司将在11月12日主办针对实施嵌入式系统机器视觉应用的实时网络研讨会,包括深入探讨CDNN。如要了解更多信息和注册参加网络研究会,请访问。
注:比较在常用的深层神经网络AlexNet上的运行情况
版权与免责声明
凡本网注明“出处:维库电子市场网”的所有作品,版权均属于维库电子市场网,转载请必须注明维库电子市场网,https://www.dzsc.com,违反者本网将追究相关法律责任。
本网转载并注明自其它出处的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品出处,并自负版权等法律责任。
如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
- EPS Global - 谁需要嵌入式安全?2024/4/22 15:39:31
- 什么是嵌入式SoC2024/4/3 16:20:28
- EasyARM-i.MX283(7)A 默认供电方案2024/3/28 17:39:53
- EasyARM-i.MX283(7)A 的快速入门2024/3/27 17:29:30
- 非线性数字滤波器:用例和示例代码2024/3/14 16:34:20