电子工程专辑
UBM China

谷歌携手Movidius为移动设备导入深度学习功能

上网日期: 2016年03月10日 ?? 作者: Junko Yoshida ?? 我来评论 字号:放大 | 缩小 分享到:sina weibo tencent weibo tencent weibo


打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友

关键字:谷歌? 深度学习? 移动设备?

由于与谷歌(Google)共同进行Tango计划(Project Tango)而颇富盛名的超低功耗计算机视觉处理器新创公司——Movidius,最近进一步扩展与Google的合作。这一次,双方合作的重点主要集中在神经网络技术,计划在移动设备中加速导入深度学习功能。

Movidius首席执行官Remi El-Ouazzane将这次的伙伴关系称为开启两家公司合作的“新篇章”。

在Project Tango中,Google在一个利用计算机视觉进行定位和动作追踪的平台中使用了Movidius的芯片。该计划的使命在于支持应用开发人员创造可用于室内导航、3D地图、实体空间测量、扩增实境(AR)和认识已知环境的使用者体验。

Movidius与Google这次的合作新协议主要关于“机器学习”。其目的在于将提取自Google数据中心深度学习的超级智能模型移植到移动和可穿戴设备上。

El-Ouazzane表示,Google将购买Movidius的计算机视觉系统单芯片(SoC),并且取得Movidius软件开发环境的完整授权,包括工具和工具库。

Google将在Movidius的计算机视觉平台上部署其先进的神经运算引擎。

Movidius的视觉处理器将可“检测、辨识、分类和确认目标,并产生高度精确的数据,即使对象是在封闭环境中,”El-Ouazzane解释说。“所有的这一切都是在未使用因特网连接的本地完成的。”

谷歌携手Movidius为移动设备导入深度学习功能《电子工程专辑》

Google图的是什么?

Google 的公开背书将进一步提高Movidius的知名度,嵌入式视觉联盟(EVA)共同创办人Jeff Bier表示。双方的这项合作声明还挺“有趣的,”他补充说,因为这说明“Google对于移动和嵌入式设备中[使用深度学习]的功能相当感兴趣,”同时也表明了Google在人工神经网络方面的商业利益并不仅限于只应用在数据中心。

Google内部的不同开发团队,包括机器智能小组(位于西雅图),都参与了与Movidius的这项合作。Google将为深度学习开发商业应用。Movidius“将有可能从Google获得更多信息与机会——随着时间的进展,为Google不断演进中的软件优化其SoC,”Bier预测。

Movidius与Google的合作协议相当独特。“并不是每一家公司都能存取Google训练有素的神经网络,”El-Ouazzane强调,更别说能有机会与世界上最杰出的机器智能开发商合作计算机视觉了。

那么,Movidius与Google的合作是否也涉及为无人驾驶车(即Google Cars)开发嵌入式视觉芯片?对此,Movidius的首席执行官El-Ouazzane表示,“Google打算推出一系列‘基于该技术的’新产品。但我 不能代表他们发言。不过,基本的底层技术(高质量、超低功耗的嵌入式视觉运算)是非常类似的”,无论是用于汽车还是移动设备。

然 而,就目前而言,Movidius的首要任务是使其芯片进入移动和可穿戴式设备领域。El-Ouazzane表示,“我们的‘嵌入式视觉SoC’是针对物联网领域而开发的,如同Mobileye的芯片瞄准汽车市场一样。“目前,Mobileye的视觉芯片已在先进驾驶辅助系统(ADAS)市场独占鳌头。

为什么现在抢攻深度学习?

业 界对于以深度学习为基础的计算机视觉领域正展现出日益增加的兴趣。尤其是Google这家搜索引擎巨擘渴望取得“辨识人类语音、对象、影像、人脸的情感表情 或甚至欺诈侦测“等方面的技术,Bier解释说。“当人们在搜寻某些对象时,更深入地了解其背景架构将为Google带来商业利益。”

然而,实体的目标和人的情绪都可能有多种解读,其表现更是无远弗届,Bier说。

这就为倾向于“以程序化方式”寻找答案的计算机带来难题,包括“我们不知道怎么写指令。计算机必须透过例子进行学习”的任务。Google西雅图的机器智能组组长Blaise Aguera y Arcas在Movidius的宣传视频中说。

影像片段被馈送至卷积网络的节点。它们并不会在画素级分化,而是在特征层面(如手爪、细须等)开始产生差异化。在进行分类时,CNN远比程序设计人员必须明确编写一套编码规则的传统方法更高明《电子工程专辑》
影像片段被馈送至卷积网络的节点。它们并不会在画素级分化,而是在特征层面(如手爪、细须等)开始产生差异化。在进行分类时,CNN远比程序设计人员必须明确编写一套编码规则的传统方法更高明
Source:Movidius

但近几年来,“机器学习正持续破 解这个难题,”Bier说。

而在卷积神经网络(CNN)技术出现于计算机视觉领域以前,算法设计人员在处理视觉算法时,都必须设计贯通许多层级和步骤的诸多决策。这些决策包括用于对象侦测的分类器类型以及搭建特征组合的方法。

换句话说,如同Bier总结的:“在检测目标时,传统的计算机视觉采用的是非常程序化的途径。”然而,藉由深度学习,设计人员“不必再告诉计算机去哪里找数据。因为深度学习将会为其进行决策。”

由于所有的学习和培训都在人工神经网络进行,“计算机如今正取得了直觉能力,”Bier说。显然地,Google希望透过将其用于真实世界中所使用的移动设备,从而将该技术扩展到数据中心以外。

理论上,配备了嵌入式视觉处理芯片的Google的Android设备将更能了解其用户,并且更有效地预测用户的需求。即使设备处于脱机状态,也可以凭直觉提供用户想要的东西。

以图片为例,一连串的移动设备、可穿戴设备或甚至无人机都配备了Movidius的嵌入式视觉SoC,El-Ouazzane称。它们能够在无需监督的情况下,自动进行分类与辨识目标。而且它们也不必非得回到云端。当连网后,设备可将粗略的后设数据传回训练有素的网络。然后,网络再将从人工神经网络学到的升级层与权重等信息更新送回设备。

对于Google而言,“深度学习并不是一项科学计划,”Bier说。“它为Google的业务带来更明显的商业优势。”

本文下一页:成本更低、运行功耗极低的嵌入式视觉处理芯片是刚需


1???2?下一页?最后一页





我来评论 - 谷歌携手Movidius为移动设备导入深度学习功能
评论:
*? 您还能输入[0]字
分享到: 新浪微博 qq空间
验证码:
????????????????
?

关注电子工程专辑微信
扫描以下二维码或添加微信号“eet-china”

访问电子工程专辑手机网站
随时把握电子产业动态,请扫描以下二维码

?

5G网络在提供1Gbps至10Gbps吞吐量方面具有很好的前途, 并且功耗要求比今天的网络和手机都要低,同时还能为关键应用提供严格的延时性能。本期封面故事将会与您分享5G的关键技术发展,以及在4G网络上有怎样的进步。

?
?
有问题请反馈
推荐到论坛,赢取4积分X