全球領先的蜂窩通信、多媒體和連接性DSP IP平臺授權廠商CEVA公司宣布推出實時神經(jīng)網(wǎng)絡軟件框架CEVA 深層神經(jīng)網(wǎng)絡(CEVA Deep Neural Network， CDNN)，以簡化低功耗嵌入式系統(tǒng)中的機器學習部署。通過利用CEVA-XM4 圖像和視覺DSP的處理能力，CDNN使得嵌入式系統(tǒng)執(zhí)行深層學習任務的速度比基于GPU的領先系統(tǒng)提高3倍，同時消耗的功率減少30倍，所需存儲帶寬減少15倍 (注)。例如，在28nm工藝下對每秒 30幀的1080p視頻流運行基于深層神經(jīng)網(wǎng)絡(DNN) 的行人檢測算法，所需功率低于30mW。

CDNN具備高性能、低功率和低存儲帶寬特性的關健在于CEVA網(wǎng)絡生成器(CEVA Network Generator)，這個專有自動化技術能夠?qū)⒖蛻舻木W(wǎng)絡結構和權重轉(zhuǎn)換為用于實時的、輕量級的定制網(wǎng)絡模型，以實現(xiàn)可以顯著減少功耗和存儲帶寬的更快速網(wǎng)絡模型，與原本網(wǎng)絡相比，其精度退化低于1%。這個定制嵌入就緒(embedded-ready)網(wǎng)絡一旦生成，便可使用完全優(yōu)化的卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network， CNN)層、軟件庫和API在CEVA-XM4圖像和視覺DSP上運行。

CEVA公司CEVAnet合作伙伴計劃的成員企業(yè)Phi Algorithm Solutions已經(jīng)使用CDNN實現(xiàn)了一個基于CNN的通用目標檢測 (Universal Object Detector)算法，用于CEVA-XM4 DSP?，F(xiàn)在應用開發(fā)人員和OEM廠商可以把這個算法用于各種應用，包括用于安全的行人檢測和面部檢測、先進駕駛輔助系統(tǒng)(ADAS)和基于低功耗相機功能系統(tǒng)的其它嵌入式設備。

Phi Algorithm Solutions總裁兼共同創(chuàng)始人Steven Hanna表示：“CEVA深層神經(jīng)網(wǎng)絡框架為我們基于卷積神經(jīng)網(wǎng)絡的算法提供了從離線訓練到實時檢測的快速順暢路徑，使得我們能夠在短短數(shù)天內(nèi)獲得經(jīng)過優(yōu)化的獨特目標檢測網(wǎng)絡實施方案，并且功耗比其它平臺顯著降低。CEVA-XM4圖像和視覺DSP結合CDNN框架，是嵌入式視覺設備的理想選擇，并且為使用深層學習技術的人工智能設備在未來數(shù)年的進步打穩(wěn)了根基。”

CEVA營銷副總裁Eran Briman表示：“至今為止，我們已贏得了20多項設計，在嵌入式視覺處理器領域繼續(xù)領先業(yè)界，并且不斷提升我們的視覺IP產(chǎn)品組合以幫助客戶更快地將產(chǎn)品推向市場并且最大限度地降低風險。我們用于CEVA-XM4的新型深層神經(jīng)網(wǎng)絡框架是嵌入技術行業(yè)中首個此類產(chǎn)品，為尋求在功率受限的嵌入式系統(tǒng)中實施可行深層學習算法的開發(fā)人員實現(xiàn)了長足的進步。”

CDNN軟件框架以源代碼方式提供，擴展了CEVA-XM現(xiàn)有的應用開發(fā)套件 (ADK) 。它具有靈活和模塊化特性，能夠支持完整的CNN實施方案或特定層，并且可與各種網(wǎng)絡和結構共享，比如使用Caffe、Torch或Theano訓練框架開發(fā)的網(wǎng)絡，或?qū)Ｓ芯W(wǎng)絡。CDNN包括用于圖像分類、定位和目標識別的實時示例模型，用于目標和場景識別、先進駕駛輔助系統(tǒng)(ADAS)、人工智能(AI)、視頻分析、增強現(xiàn)實(AR)、虛擬現(xiàn)實(VR)和類似的計算機視覺應用。