2020年09月15日 | 嵌入式视觉峰会大剧透，边缘AI是主角

人工智能边缘化已成为了最近的发展方向，有许多不同的方法来实现人工智能的边缘移动。对于工程师来说，但当涉及到人工智能时，对于不同的应用，哪种处理器和软件是最佳的并不总是显而易见。我们可能会在嵌入式视觉峰会上找到答案，同时也是关于嵌入式计算机视觉和边缘 AI在今天的可行性和实用性的信息会议。

2020年的嵌入式视觉峰会将是线上的，但与前几年一样，主题将涵盖从视频和图像中提取意义的各种系统。最近这个领域已经被人工智能和机器学习技术所占据，所以有许多人工智能芯片制造商和其他人工智能行业专家都会参加。

我们先来剧透一下这里的亮点：

Keynote：一如既往的精彩

今年节目的主讲人是来自加州大学伯克利分校的David Patterson。Patterson是RISC计算的创始人之一，也是RISC-V基金会的副主席，他将谈到人工智能的崛起如何给处理器带来前所未有的需求。这些需求为特定领域的处理器创造了机会，大大提高效率。这是通过专门针对AI推理工作的性质定制芯片来实现的:低精度数字的大规模矩阵乘法。

Patterson已经和谷歌在其张量处理单元(TPU)设计上进行了合作——用于超大规模和边缘AI计算，并将用它来说明特定领域处理所带来的性能和效率。总的来说，这种方法上的改变使工程师能够在成本和功率受限的系统中前所未有地利用深度神经网络。

AI silicon

事实上，有些会议将由几家为各种边缘人工智能领域开发ASIC设计的公司来举办。

去年的嵌入式视觉峰会上Hailo发布了它的第一个深度学习处理器Hailo-8，该芯片芯片每秒最多运行26次tera操作（TOPS），该公司现在正在与众多精选客户进行测试，主要是在汽车行业。今年，他们将分享从实际应用中获得的经验，包括视频分析、工业检查和智慧城市。

因此，感知芯片被设计成可以在同一设备上处理音频和视频，运行速度不超过1瓦特。他们的演讲将是关于在电池驱动的硬件上高速运行现代神经网络。

除了专用集成电路，许多其他类型的计算都适用于计算机视觉应用中的边缘AI。这包括DSP，它的高度并行特性非常适合矩阵乘法操作。通常用于音频AI，如语音识别(有明显的协同作用)，尽管它们的性能不高，但dsp在低分辨率可视人工智能中确实有一些有趣的应用，因为在低分辨率可视人工智能中，电源限制非常严格。

在今年的嵌入式视觉峰会上，Cadence将展示从Tensilica获得的一系列边缘 AI处理IP，包括广受欢迎的HiFi DSP IP，支持谷歌的TensorFlow Lite。Cadence还将举办一个“expert bar”会议，公司的专家将回答与会者关于其各种DSP IP产品以及专门为人工智能处理而设计的DNA处理器IP的问题。

此外，一些FPGA也很好地匹配了边缘的视觉AI。FPGA特别适合于1-bit数学运算(FPGA的查找表本质上是1位MAC); 为了减少内存占用和功耗(二值化神经网络)，人工智能的一些前沿领域正在将精度降低到1-bit。

此次峰会，Lattice 将展示其小巧、低功耗、低成本的FPGA。这些设备将作为协同处理器添加到系统中，以实现可视化人工智能。该公司将在其设备上实现手势分类、人体检测和计数、面部识别等其他应用。Lattice开发了一套完整的软件栈，将在其设备上实现AI所有棘手部分抽象出来。

Lattice也会开设一个关于低功耗人工智能的“expert bar”，在那里他们将回答关于人工智能可以在FPGA上完成多少工作，以及会有多大的功耗预算。

TinyML

Tiny ML是一个致力于在微控制器和其他微型计算设备上进行人工智能的领域。该领域提供了巨大的机遇，而且正在迅速发展。

不要错过由谷歌的Pete Warden主持的panel，他是这个领域的权威，来自微软、M12、perception和OctoML的演讲者都会莅临。这个panel将讨论尚待填补的关键技术空白。

在虚拟展厅的50多个参展商中，Eta计算机公司开发了一种超低功耗SoC，用于在物联网设备(如智能传感器)中进行人工智能，它将前来展示一些黑科技。

Eta将演示人体检测和人员检测方案，而且功耗低到仅需几毫瓦——他们已经开发了几种视觉人工智能算法，当与他们的硅结合在一起时，可以将功耗降低到很小的水平。他们的演示将展示高效能的CIFAR 10目标检测，3mW的人员检测，以及小于5mW的人员计数。

传感器

除了人工智能和处理技术，能够实现尖端视觉应用的传感器技术也将在会上展示。

随着CMOS图像传感器成为SoC，其功耗和成本稳步降低，更广泛的系统可以赋予视觉。动作相机制造商GoPro将提供使用现代CMOS图像传感器构建视觉系统的实用指南。

还有一个关于畅想图像传感器的未来的小组讨论，由Solidspac3的行业专家Shung Chieh主持，与会者来自Aurora、OmniVision、Applied Materials和匹兹堡大学。该小组将分享其对图像传感器未来的看法，并探讨该领域的一些关键趋势，如传感器芯片集成处理器、神经形态传感和高光谱成像的改进。

Arrow Electronics将使用模拟设备的3D ToF传感器开发工具包演示基于人工智能的人员监控概念验证——使用ToF传感器保护隐私，用于检测社交距离/占用管理应用程序。这个会议是关于如何使用系统所基于开发工具包的教程。

应用程序

峰会上还将展示当今计算机视觉的尖端应用。

海洋研究所展示了一种从水下图像中去除水分的方法，使其更易于处理。

例如，John Deere将谈论图像处理和人工智能在农业上的应用案例，如何大规模使用计算机视觉来提高效率和质量，以及如何将他们的图像处理系统商业化，这需要各种组件的高度一致性。演讲将涵盖农业视觉系统的不同的要求，以及Deere如何解决这些挑战。