未发育孩交VIDEOSSEX

<input id="ggqw8"></input>
<strong id="ggqw8"></strong>
  • <acronym id="ggqw8"></acronym>
  • 邊緣計算與深度學習技術助力深度神經網絡攝像機和AI監控攝像頭

    2019-02-22 13:22:41 150

           在2018年,深度學習分析幾乎都是在服務器或云上處理的,而不是在邊緣側?;谶吘売嬎愕膬瀯?,可以推斷2019年將是ASIC芯片發展的重要年份。

    北方圖銳,智能門鈴方案|智能貓眼方案|可視門鈴方案|門鈴電路板|貓眼設計|智能門鈴|可視門鈴|智能貓眼|家用門鈴方案|智能可視門鈴方案|貓眼電路板

           NVIDIA提供的Jetson嵌入式計算平臺,允許基于邊緣進行運算。然而,Jetson平臺屬于通用的GPU,并不是專門為視頻監控設計的。Intel的MyriadXVPU是Movidius公司的第三代VPU,它的特點是神經計算引擎——一個用于深度神經網絡推理的專用硬件加速器。深度學習分析也被專門部署在云上,只需添加一個網關邊緣的設備,便可使用視頻分析即服務(VAaaS)解決方案。

           在2016年深度學習攝像機推出時,市面上僅有少數的AI芯片可供選擇,但它們高昂的價格與高功耗的局限性,也意味著這些攝像機的產品的應用受限。IHSMarkit預計,未來幾年,專為網絡攝像頭設計的SOCs將能夠支持在攝像機上運行深度學習分析所需的基本處理功能,而不需要額外的處理能力。ASICSOCs將有利于面向價格敏感的大眾市場,并實現大規模生產。據了解,具有更低功耗和更緊湊的設計的ASICSOCs正在開發中,老牌半導體巨頭和小型初創企業都在開發用于深度學習攝像機的ASIC芯片,這正加劇了該領域的競爭。

           目前。安霸與海思都在開發用于網絡攝像頭的ASICSOCs。安霸已經發布了CV2SSOC,然而對于大眾市場的視頻監控需求而言,這類芯片組目前價格過高,且功能溢出,因此它們更可能更適用于自動駕駛。據悉安霸目前正在研發CV22S,包括提供深度學習分析所需的DNN(深度神經網絡)處理的CVFlow架構,將在2019年年初發布。與安霸類似,海思正在開發帶有CNN加速器的Hi3559ASOC,用于處理深度學習分析,除此之外高通也將發布QCS605。

           IHSMarkit預計,到2022年,全球50%的網絡攝像頭將配備深度學習加速器,最高可提供0.5至2DLTOPS。換言之攝像機將支持基本的物體檢測和分類,此外深度學習加速器也不會給SOC的價格增加過多成本。預計在未來幾年內,邊緣到核心處理的發展將變得更加普遍。這些更強大的邊緣設備將靈活分配所需的工作負載,但是邊緣設備也不會完全取代服務器或云端的功能,相互補充將是未來的趨勢。


    未发育孩交VIDEOSSEX
    <input id="ggqw8"></input>
    <strong id="ggqw8"></strong>
  • <acronym id="ggqw8"></acronym>