机器学习/设备上人工智能

使用低分辨率图像传感器的神经网络算法用于始终开机、低功耗的人脸检测

相关产品


通迅订阅

本iCE40 UltraPlus参考设计采用人工智能(AI)实现一种人类检测算法。人工智能是指将技术用于通常由人类执行的传统任务,因为机器可以更高效、更快地处理和计算大量数据。在设计上,fpga具有并行处理数据的能力,这使得它们在处理此类任务时比微处理器更高效。

在此应用中采用了神经网络模型。训练是在一个强大的GPU上完成的,通过10万个人脸通过未经训练的模型来计算权重和激活,并创建一个训练模型。然后重量和激活被传送到iCE40 UltraPlus设备上,物体可以通过训练过的模型,模型将推断出它是否是人脸。

将人工智能带到网络边缘是具有挑战性的,但它也提供了巨大的机遇。在iCE40 UltraPlus FPGA中构建AI而不是基于云的资源,可以大幅降低功耗,同时加快响应时间。通过在设备中植入人工智能,设计师可以获得始终开启的智能,即使为了节省电力而关闭网络。通过保持本地处理,安全性也得到了提高。

特性

  • 基于神经网络模型的网络边缘加速、低功耗人脸检测
  • 使用二进制权值和8位定点激活,在保持高精度的同时降低整体功耗
  • 集成128K字节的内存,权重/激活可以直接存储在iCE40 UltraPlus FPGA内
  • 能否根据系统需求在功率和响应时间之间进行优化
  • 同样的技术可以用来探测其他物体,如狗、猫、汽车、船只或特定的声音

框图

文档

技术资源
标题 数量 版本 日期 格式 大小
iCE40 UltraPlus人脸检测设计文件
1.0 6/27/2017 邮政编码 1.1 MB
iCE40 UltraPlus人脸检测参考设计用户指南
fpga - ug - 02027 1.1 11/29/2017 PDF 636.1 KB

*点击“更改通知我”按钮,表示您同意接收您所选文件的更改通知。

像大多数网站一样,我们使用cookie和类似的技术来增强用户体验。我们也允许第三方在我们的网站上放置cookie。继续使用本网站,即表示您同意使用我们所述的cookie饼干的政策