Page 11 - VSDC_MayJun2018_eMag

市场风向标 Market Trends

人工智能在嵌入式视觉和

图像处理中的应用呈增长之势

开发人员正越来越多地将深度学习和神经网络应用于ADAS、生物识别和手势
识别应用中。

文/ Yohann Tschudi

最近几年，人工智能（AI）已 Intellectual property and silicon companies revenues and forecast for vision processor
成为一种非常流行的热点话题。在过 Revenues ($M) Revenues ($M) Revenues ($M)
500 1600 5000
去的二十年中，人类在计算能力、数 450 1400 4500
据积累、数学工具的改进方面取得了 400 +21.3% CAGR 2012–2017 1200 4000
350 3500 Silicon: +26% CAGR 2017–2022
巨大进步，并且所有这些的成本进一 1000 +35.2% CAGR 2012–2017
300 3000
步降低，由此我们看到了人工智能的 250 800 2500
200 2000
诞生。 600
150 1500 IP +20% CAGR 2017–2022
为了使机器能够理解它周围的世 100 400 1000
界，人工智能技术受到了生物学的启 50 200 500
0 0
发。因此，AI 领域的许多研究集中 0 2012 2013 2014 2015 2016 2017 2012 2013 2014 2015 2016 2017 2012 2013 2014 2015 2016 2017 2018e 2020e 2021e 2022e 2022e
于从视觉系统中分析图像的能力。来 ARM CEVA Mobileye STMicroelectronics Intellectual property
Synopsys Others Ambarella Nextchip Silicon
自生物学的另一个主要灵感是允许机 Cadence IP Movidius Others
Source: Embedded Image and Vision Processing report, Yole Developpement, 2017
器分析这些图像的数学结构 ：人工神 图1：Yole的嵌入式图像和视觉处理报告，突出了IP和硅公司的收入增长，并提供了通用视觉处理器预测。
经网络，即人脑的微型结构拷贝。 高性能相机
有许多不同的神经网络，它们 是使神经网络能够从样本中“学习”。 这些技术被用于 ADAS（先进的驾驶
主要依赖于神经元之间连接的拓扑结 如果训练正确执行，神经网络将 员辅助系统），用于检测障碍物和识
构、所使用的聚合函数、阈值函数和 提供非常类似于训练数据集的输入值 别标志、交通灯、汽车、行人和各种 满足您
反向传播方法（如果存在的话，这 的输出响应。推理机是一种软件算法， 各样的其他物体。图像来自于在汽车
种网络被称为卷积神经网络，简称 对应于演绎推理的仿真。该软件通常 周围部署的一组相机，而训练是在专
CNN）。这些数学方法都是人工智能 嵌入在设备中。 用计算机中的数据中心执行的。在 成像解决方案的需求
领域的一部分，称为“深度学习”， 在过去的十年中，深度学习在很 半自动驾驶汽车中，推理算法嵌入在
并被分成两部分——训练和推理。 多领域都非常成功。基于图像的技术 ECU（发动机控制单元）中 ；在机器
根据要达到的目标，绝大多数神 包括面部识别、虹膜和手势监控、对 人或全自动驾驶汽车中，推理算法嵌
经网络有一个非常可变的“训练”算 象和自由空间检测，以及最近的行为 入在一个完整的计算机中（见图 1）。 机器视觉 智能交通系统 航拍成像 生命科学
法（监督或不）。该算法根据在网络 识别。 生物特征识别是广泛应用深入
输入处呈现的数据集修改突触权重 在市场上，我们看到深度学习在 学习的另一个主要领域，例如，将深
信任Lumenera
（synaptic weights）。这种训练的目的 汽车领域获得了最引人注目的进步， 度学习算法用于个人身份认证。苹

8 May/Jun 2018 视觉系统设计 Vision Systems Design China www.lumenera.com