英特尔收购CV芯片公司Movidius AI离我们更近了.doc

《英特尔收购CV芯片公司Movidius AI离我们更近了.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、英特尔收购CV芯片公司MovidiusAI离我们更近了　　背景：科技界又迎来了一桩大额收购案，芯片巨头英特尔收购了硅谷计算机视觉领域的初创公司Movidius，该公司主要产品为低功耗视觉处理器：Myriad系列VPU。今年八月，Intel还以3.5亿美元收购了主攻深度学习的公司Nervana，这一笔收购能够让英特尔获得深度学习的IP和具体产品，从而满足AI开发及数据中心对芯片的强大需求。　　　　要想解释Intel为何会在短期内有如此大动作，先来看一下2016年的CVPR。　　　　（CVPR全称为InternaTIonal

2、ConferenceonComputerVisionandPatternRecogniTIon，计算机视觉及模式识别大会。涵盖的问题包括但不限于：物体识别与检测、图像高级语义理解、人脸、优化方法、Correspondences求解、相机定位及三维地图构建（SLAM）。CVPR是计算机视觉的最大的年度聚会，2016年收到投稿2，145份，接受论文643篇，接收率29.9%，与会人数达3，600人。）　　在这场全球顶级的计算机视觉领域大会上，据不完全统计，大概有70%以上的文章均与深度学习有关，在图像分类、物体检测、语义分割

3、等领域，深度学习取得的效果已经大幅领先传统算法。据微软亚洲研究院所述，即使是在3D视觉、底层图像处理等传统方法相对主流的领域也有不少学者给出了自己的基于深度学习的解决方案。　　以手势识别为例，传统的识别方案大都基于颜色空间，如RGB，HSV及YCrBr。但这些算法都无法排除类肤色物体及黑色皮肤对识别精度的干扰。也有些算法通过对手型轮廓特征进行提取从而完成识别，如HoG+SVM的分类识别方法，但仍然无法提高在暗光、逆光等条件下的识别精度。但借助深度学习，如通过R-CNN训练大量标注后的手势图像数据，得到的模型在处理带有复杂

4、背景及暗光环境下的手势识别问题时，比传统方案的效果优秀很多。　　一方面深度学习可以给计算机视觉领域带来空前的进步，但另一方面，该方法对硬件及数据的要求也是空前的。通过R-CNN网络训练一组手势，大概需要10万张预先标注好的图片资源，同时，在学习图像的过程中，它对GPU也有非常高的运算要求，训练时间也不容小觑。即使已经在高性能平台得到了一个R-CNN或者FasterR-CNN的网络模型，在某些低运算能力平台（手机，平板）上运行识别算法时，也无法同时顾及到实时性和高识别率。比如，YOLO物体识别算法可以在高性能平台达到45F

5、PS，但其mAP只有63.4左右。而mAP更优的FasterR-CNN，却只有7FPS。　　目前，如果想在手机等GPU性能很低的设备上运行深度学习算法，挑战还比较大，只有通过对算法的优化，才能使其在目前主流的Android、iOS平台上运行。比如，在单目手势识别领域，全球范围内可给出商用解决方案的有来自以色列的eyesight，superbreality公司及我们的HandCV，其中，Superbreality公司的解决方案更多依赖于对手势轮廓的识别，HandCV的解决方案则融合了颜色空间、轮廓及YOLO深度学习的方案

6、。所以，通过机器学习来解决计算机视觉问题的思路已经逐渐转到了手机等移动平台上来。　　那么，既然深度学习对识别精度的提高如此明显，就像当年iPhone5s加入了M7协处理器一样，计算机视觉领域在一些移动设备上也需要有一块专门的低功耗处理芯片。它不但可以分担CPU和GPU的任务，而且在处理深度学习的问题时更加高效，可以针对卷积神经网络的训练特征从芯片级别进行优化，从而促进基于深度学习的计算机视觉算法在移动设备上的普及。　　就像背景描述里提到的，Intel已经在为这个方向布局：同时，上游芯片供应商NVIDIA也在去年年底发布了

7、JetsonTX1GPU模块，主要针对的也是人工智能市场。　　　　（JetsonTX1GPU模块包括一颗浮点运算达到teraflop级的、基于Maxwell架构的256核心GPU，64位ARMA57芯片组、4GBLPDDR4RAM内存（每秒带宽速度达25.6GB）、15GB本地存储模块、802.112&TImes;2acWi-fi解决方案以及1Gb以太网端口。同时还配备JetsonLinux软件开发工具包。JetsonTX1GPU模块的面积只有50*87毫米，仅一张信用卡大小。虽然外形很迷你，JetsonTX1GPU性能

8、却不容小视。）　　JetsonTX1GPU模块的首批客户包括微软、亚马逊、谷歌以及IBM等科技巨头，它们将会在各自的无人机或者机器人设备搭载该模块，从而流畅运行人工智能应用。以下便演示了该芯片与深度学习结合的一款应用产品：Kespry无人机。　　　　（Kespry无人机：视频）　　计算机视觉领域原来一些看似不可逾越的