机器学习/片上人工智能

使用神经网络算法和低分辨率图像传感器实现实时工作的低功耗人脸检测解决方案

相关产品


通迅订阅

该iCE40 UltraPlus参考设计使用人工智能(AI)来实现人脸检测算法。人工智能的意思是将本来通常由人类执行的传统任务交给机器来做,因为机器可以更高效、快速地处理和计算大量数据。FPGA设计具有并行处理数据的优势,与微处理器相比在执行上述任务时效率更高。

该应用采用神经网络模型。在未经训练的模型中投喂100000个人脸来计算权重和激活码,以此创建训练有素的模型,而这些训练是通过性能强大的GPU完成的。然后将权重和激活码传输到iCE40 UltraPlus器件,当目标输入经过训练的模型,模型将推理出目标是否为人的脸。

将人工智能应用于网络边缘领域是很有挑战性的,但前景也十分光明。使用iCE40 UltraPlus FPGA而不是基于云端来构建AI可显著降低功耗,同时加快响应时间。此外,本地化处理也提高了安全性。在终端设备中实现AI,即使网络处于关闭状态以节省功耗时,设计工程师也可以获得始终如一的智能功能。

特性:

  • 使用神经网络模型为网络边缘应用实现加速、低功耗的人脸检测解决方案
  • 使用二进制权重和8位定点数激活码降低总体功耗,同时保持高精度
  • 集成128 k字节的存储器,权重/激活码可以直接存储在iCE40 UltraPlus FPGA中
  • 根据系统需求,可以在功耗和响应时间之间进行优化
  • 该技术也可用于检测狗、猫、汽车、船只或特定声音等其他目标

框图

文档

技术资源
标题 编号 版本 日期 格式 文件大小
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
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