中文 英语

作者最新文章


新型神经处理器处理新兴的神经网络


十年前,运行在gpu上的深度学习卷积神经网络(CNN)模型AlexNet取代了更传统的视觉处理算法,赢得了ImageNet大规模视觉识别大赛(ILSVRC)。AlexNet及其后继者在对象分类精度方面提供了显著的改进,但代价是高度的计算复杂性和大的数据量。»阅读更多

用于实际应用的新视觉技术


计算机视觉——一种机器从二维图像或未压缩的视频流图像中“推断”或提取有用信息的能力——有能力改变我们的生活。它可以让自动驾驶汽车、机器人或无人机看到自己的路,把包裹送到你家门口,还可以把你的脸变成一种支付方式(图1)。»阅读更多

结合SLAM和CNN实现高性能增强现实


机器人和耳机或护目镜是最常见的需要AR/VR/混合现实的硬件设备,AR也将进入手机、平板电脑和汽车领域。为了让硬件设备看到周围的世界,并通过插入图形或图像添加到现实中,它们需要确定自己在空间中的位置,并映射周围的环境。同步定位和管理…»阅读更多

为自动驾驶汽车开发ASIL Ready soc


人工智能(AI)和使用神经网络的深度学习是实现高级驾驶辅助系统(ADAS)和提高车辆自主权的强大技术。随着人工智能研究的迅速发展,设计师们正面临着激烈的竞争,以提供高效、灵活、可扩展的硅和软件来处理深度学习汽车应用,如嵌入式可视化推理。»阅读更多

汽车集成电路的低功耗深度学习实现


在汽车应用中,使用高性能、低功耗嵌入式视觉处理器的例子比比皆是,从车内驾驶员睡意检测,到自动驾驶汽车“看到”前方有行人、迎面而来的汽车或偶尔横穿马路的动物。在这些类型的应用程序中实现深度学习需要大量的处理能力和尽可能低的成本。»阅读更多

嵌入式视觉的软件框架需求


卷积神经网络(CNN)等深度学习技术显著提高了嵌入式系统的嵌入式视觉的准确性,从而提高了采用率。从AlexNet在2012年ImageNet大规模视觉识别挑战赛(ILSVRC)中获胜开始,深度学习通过大幅降低图像分类和识别的错误率改变了市场。»阅读更多

深度学习在ADAS应用中的发展


嵌入式视觉解决方案将成为实现汽车完全自动驾驶的关键因素。以多个摄像头和图像传感器的形式为汽车配备一双眼睛是第一步,但对汽车来说,从这些图像中解读内容并做出相应反应也至关重要。为了实现这一点,嵌入式视觉处理器必须在硬件上进行性能优化。»阅读更多

Baidu