開發(fā)者需要能夠快速開發(fā)出實施機器學習功能的深度學習神經(jīng)網(wǎng)絡，并將其轉(zhuǎn)換到低功耗的嵌入式終端設備上，集成了神經(jīng)網(wǎng)絡算法的DSP芯片將成為這一難題的解決方案。

終端設備智能化的需求催生本地智能化(local intelligence)

當聯(lián)網(wǎng)的終端設備越來越多時，產(chǎn)生的信息數(shù)據(jù)也將呈指數(shù)式增長。如果將所有數(shù)據(jù)和數(shù)據(jù)處理全部都交給云端，必然會產(chǎn)生通信擁堵、傳輸變慢、處理時延等問題，無用的數(shù)據(jù)也會浪費云端的存儲資源。

因此需要本地智能(local intelligence)讓終端設備有能力判斷數(shù)據(jù)的價值，只將真正有價值的數(shù)據(jù)傳到云端存儲。而終端設備也需要分析數(shù)據(jù)做出決策的智能化功能，尤其家庭中的圖像識別和語音識別設備需要在本地實時處理信息，以保護用戶的隱私。

近來，具備深度學習功能的卷積神經(jīng)網(wǎng)絡(CNN)在圖像處理和計算機視覺領(lǐng)域得到廣泛的應用，其識別正確率也大大提高。在一些生活場景中，如無人機自動避障、家庭服務機器人路徑規(guī)劃等，需要將這些神經(jīng)網(wǎng)絡應用到嵌入式設備上，甚至是一些低功耗的嵌入式設備，以提高設備的智能化程度和與人的交互能力。

▲深度學習技術(shù)取得顯著成效

與神經(jīng)網(wǎng)絡深度結(jié)合的DSP處理器將成為機器學習的實施方案

目前，因為內(nèi)存、功耗、計算能力等限制，在傳統(tǒng)CPU+GPU架構(gòu)的嵌入式設備上實施神經(jīng)網(wǎng)絡還有難度。業(yè)界需要一種將神經(jīng)網(wǎng)絡引入到低功耗嵌入式設備的方法。

11月23日，全球領(lǐng)先的信號處理器IP授權(quán)公司CEVA在深圳召開了年度技術(shù)研討會，并發(fā)布了專為在低功耗嵌入式設備上實現(xiàn)深度學習和人工智能應用的第五代圖像處理器IP CEVA-XM6。

其主要參數(shù)包括：最高頻率1.5GHz;采用8路VLIW以提高并行計算能力;創(chuàng)新矢量處理單元架構(gòu)，確保95%以上的MAC利用率;32路SIMD矢量浮點單元可選項，支持IEEE半精度標準及常用的非線性運算增強。

為了讓開發(fā)者更好的使用CEVA-XM6，CEVA還提供基于CEVA-XM6的軟件開發(fā)平臺，包括硬件加速器、神經(jīng)網(wǎng)絡軟件框架、軟件庫、CDNN 工具包。CDNN是CEVA的一套深度學習綜合開發(fā)工具包，這次研討會發(fā)布了其第二代產(chǎn)品。用戶可以先在線下訓練深度學習的神經(jīng)網(wǎng)絡模型，然后使用 CEVA網(wǎng)絡生成器將線下的網(wǎng)絡模型轉(zhuǎn)換成適用于CEVA-XM6處理器的實時嵌入式網(wǎng)絡。

▲CDNN開發(fā)包與CEVA-XM6軟硬件組合使用

在研討會上，CEVA給出了一個對比案例，使用CEVA-XM6處理器的參考設計開發(fā)板，相比于NVidia今年推出的TX1 GPU在實現(xiàn)AlexNet和GoogleNet兩種神經(jīng)網(wǎng)絡時，處理速度快4倍，同時能耗效率提高25倍，十分適合應用在低功耗的嵌入式設備上，如智能攝像、人臉識別、無人機、全景拼接、3D重建等。

▲CEVA-XM6的應用場景

具備機器學習功能的終端設備將催生更多的應用場景

智能家居要真正做到智能化，與用戶之間良好的交互能力必不可少，比如語音控制、手勢控制等，這些都需要產(chǎn)品具有深度學習的功能，能夠識別出用戶的語音命令和手勢動作。

在本次研討會上，美國的一家語音處理技術(shù)公司展示了他們基于CEVA的處理器IP開發(fā)的低功耗語音控制芯片方案，應用于智能手機、智能家居的語音交互和語音控制，工作電流低于1mA，可以去除靜態(tài)和非靜態(tài)噪聲，根據(jù)使用場景做定制化開發(fā)，通過前期的語音訓練后能夠只識別主人的語音，過濾其他人的語音命令，防止別人的誤操作。

在機器視覺領(lǐng)域， Arcsoft公司展示了他們的最新的照片美化技術(shù)，除了傳統(tǒng)的白膚、瘦臉等美顏功能外，還可以基于圖像識別分析出拍攝對象的年齡、性別、人種、情緒和拍攝環(huán)境(如白天、夜晚)等因素，針對不同場景和對象做定制化美顏處理，省去了用photoshop做后期處理的環(huán)節(jié)，讓一個普通人也可以非常簡便地拍出專業(yè)級的美麗圖片。他們還推出了畫面防抖功能，當用戶手持相機走動拍攝視頻時，通過處理可以使畫面保持靜止狀態(tài)，消除走動帶來的畫面抖動。

總結(jié)

隨著技術(shù)的發(fā)展，原本只能在大型高功耗計算平臺上實現(xiàn)的深度學習神經(jīng)網(wǎng)絡，將逐步在低功耗嵌入式設備上實現(xiàn)，使得人工智能離我們的日常生活又近了一步，也提高了物聯(lián)網(wǎng)設備的智能化程度。在產(chǎn)品開發(fā)上，軟硬件深度結(jié)合的開發(fā)模式將越來越普遍(比如CEVA推出的CDNN開發(fā)包與CEVA-XM6的組合使用)，基于特定場景應用的算法優(yōu)化和數(shù)據(jù)訓練之后的智能設備才能跟人們的日常生活無縫對接，物聯(lián)網(wǎng)技術(shù)與具體行業(yè)具體領(lǐng)域的聯(lián)系將會越來越緊密。