發布日期：2022-07-15 點擊率：39
為什么一定要是視覺?
賽靈思之所以選擇視覺作為機器學習應用，是因為在當今攝像頭的廣泛應用，讓視頻文件數量形成了爆炸式增長，機器完全可以通過視覺引導識別視頻中的每一幀的內容并且進行學習和記錄，如無人機，自動駕駛，和工業機器人等嵌入式等應用也是完全基于視覺引導，攝像頭的使用相當于給機器裝上了眼睛，據統計差不多80%最初的機器學習的應用都是以視覺系統為基礎，而其余有20%的應用是關于控制系統和安全性應用。
實現端到云的部署
對于云端數據應用，賽靈思已經推出了可重配置加速堆棧，它可以滿足目前云端數據分析處理的需要，而對于邊緣端的應用賽靈思今天又推出了reVISION作為更全面的補充。
紅色的部分關于與工業領域的相關的應用，從左到右展示了從用戶端到云端的各種場景的應用，虛線中的應用為賽靈思器件已經服務的領域，但無需棧輔助的應用。
技術核心——融合
賽靈思發布reVISION，最大特點就是融合。賽靈思戰略與市場營銷高級副總裁Steve Glaser在宣講reVISION的最大特點的時候強調了它的融合能力，將視覺，機器學習，多種傳感器融合以及鏈接控制，四大關鍵點打通，形成獨一無二的開發環境。
reVISION 堆棧把機器視覺，機器學習，傳感器融合，以及鏈接，四者在賽靈思開發板上實現融合。
傳感器在應用中出現的融合趨勢，也是為什么可重配置能力的系統能夠勝出的原因，現在的應用已經不再是僅僅對環境或者化學機械方面的偵測，融合的趨勢讓機器學習的能力得到了進一步的擴展，僅在成像方面就出現了多種傳感的融合。這又不得不提到ADAS，在這方面賽靈思reVISION對比mobileye 不僅能夠提供視覺傳感方面的處理，而且還能實現機器學習。
僅在成像方面，就出現了多種傳感的融合
更高執行，更低時延
與CPU，GPU和傳統SOC相比，但是在效率和運行速度上都無法與reVISION想比尤其在低時延方面賽靈思的優勢非常明顯。以Nvidia的tegra 為例，基于谷歌網絡(Googlenet)條件下運行，賽靈思reVISION與英偉達Tegra對比測試差別高達6倍的推理速度，42倍的幀率速度，并且小于1/5毫秒的時延。案例方面以自動駕駛為例，汽車在突然緊急制動時速是65英里，賽靈思的reVISION響應時間是2.5毫秒，Nvidia的解決方案的響應時間可以從49毫秒一直到320毫秒，取決于工程師是如何來部署tegra系統，這種響應時間的差異也體現在實際停車距離上，這個距離差是5英尺到33英尺不等，這期間的區別很有可能最后轉化成結果，就是是否發生了撞車甚至撞到了行人。同時，低時延在工業方面也會涉及到生產安全的，醫療領域的遠程診斷以及手術實施亦是離不開低時延的支持。
那為什么賽靈思能夠實現這樣快速的響應速度呢?典型的嵌入式的GPU和典型的SoC，傳感器的數據需要外部存儲，在處理的步驟當中，也需要不斷的去訪問外部存儲。但是如果是賽靈思的Zynq器件的話，就能夠非常簡化獲得非常直接的數據流，直接的經過傳感器，傳感器的處理，機器學習，一直到控制。這就會對響應的時間造成很大的影響，除此以外，還會影響到可預見性，也就是用戶所說的決定性，用戶希望整個過程是可以預見的，可以確定的，并且響應速度要很快。所以賽靈思能夠提供非常快速的決定性的響應，同類競爭產品的響應速度則要慢很多，而且大多是不可預見的。
降低開發門檻
賽靈思作為硬件芯片公司，也將各種庫和算法進行了開發并集成到了reVIISION當中，簡化了工程師80%的工作。在revision的開發環境里可以降低硬件知識門檻，讓工程師能夠快速上手。通過reVISION，能夠使得用戶在他們比較熟悉、比較喜歡的環境下來進行開發，說到的框架就是Caffe，還有習慣使用的庫，還有其他的機器學習的一些元素，它可以大大簡化開發過程，但是有些情況用戶還是需要開發過程中開發自己庫的功能，比如說計算機視覺方面來支持他的庫，有些環節現在還缺失。另外，用戶也需要一些小的知識來修改一些以C語言為基礎的庫來做計算機視覺，來實現對Zynq器件的編譯。此外利用賽靈思器件的INT8優化也可以針對嵌入式視覺進行深度學習方面的優化開發，對比其他FPGA DSP 而言可以獲得倍的解決方案性能。
工業領域的應用場景
對于工業領域方面的視覺引導類應用開發，就不得不提到機器視覺以及柔性協作機器人。人機協作隨工業4.0的興起被逐漸得到重視，但還是未得到大規模普及，對于低時延的要求成為考量安全標準的重要因素，賽靈思reVISION顯然不怕來自于時延方面的考量，而在實現制造產線的靈活性的制造方面，視覺引導的機器學習將發揮巨大作用，按需制造的柔性生產的多品類混流制造也是機器視覺和機器學習融合的開發方向，其他領域的工業應用如造價高達幾百萬的電力巡檢機器人，高危地區的檢測等等也都是基于視覺引導類的學習類應用，相信reVISION也會更多的在工業檢測類應用項目中出現，為智能制造的創新開拓新路。
（IIANews版權所有，轉載請注明）
