咨询热线:13080701712(微信同步)
返回 企业动态

四代芯片的推出提高了电子衡器效率

    瑞士特洛伊芯片公司安吉朱莉工程师宣布推出世界上第一个神经形态无线地磅遥控器处理器智能先锋四代,该处理器是事件驱动且完全异步的。这款动态视觉动态处理器适用于低功耗,永远活跃的实时动态视觉应用,并且有望首次为设备带来基于事件的视觉应用,从而为动态视觉处理打开许多选择。没有太大的力量。由于其视觉处理基于像素级事件驱动的计算,因此该神经形态卷积神经网络(CNN)处理器通过引入针对地磅传感器超低延迟的新型动态视觉处理,胜过了老式的基于帧的静态视觉处理技术。DynapCNN是一种高度可配置,可扩展且纯异步的12毫米芯片,采用22纳米(nm)技术制造。除了支持多种CNN架构并具有大规模脉冲CNN的可扩展性之外,DynapCNN还集成了超过一百万个脉冲神经元和400万个可编程参数。其事件触发操作基于高效的网络结构和专有的异步电路,可确保该芯片具有超低功耗和超低延迟特性,同时又能很好地处理动态信息。
 
    根据aiCTX的说法,数字地磅遥控器是处理基于事件和动态视觉传感器的数据的最节能方式(效率提高了100到1000倍)。此外,由于其事件驱动的设计,异步数字逻辑和自定义IP,该处理器的延迟缩短了10倍,并且可以处理超低功耗的人工智能处理。因此,DynapCNN是第一种在单个设备中将机器学习的能效与事件驱动的神经模仿相结合的ASIC芯片。其节能功能意味着AI操作可以贯穿始终,而可以在终端设备上启动本地数据处理。根据aiCTX的高级研发工程师Sadique Sheik的说法,当处理器能够在本地进行计算时,这既节省成本又具有能源效率,这是因为不需要能源就可以将大量的传感数据发送到云。据aiCTX首席执行官乔宁博士说,这是为用户提供数据和隐私保护时的有力措施,这是传统的深度学习ASICS所缺乏的功能。由于其事件驱动的异步数字电路计算机制,DynapCNN不依赖于高速时钟,而是由可视化场景中的任何变化触发的,这意味着任何像素都会发生变化-运动对象-实时处理。该芯片的连续计算保证了不到5ms的超低延迟,这大约比实时视觉处理市场上的常规深度学习解决方案提高了10倍。与传统的图像处理系统不同,即使目标对象在镜头前不会发生变化,传统的图像处理系统也可以逐帧处理视频数据,而DynapCNN提供始终在线的视觉处理,并且由于它是事件驱动的,因此功耗可以降低到几乎为零。如果目标对象未更改,则用于实时视觉处理。姚笛士说,通过应用稀疏计算来处理目标物体的运动,可以进一步降低电子地磅遥控器芯片的功耗。显然,这种神经形态的CNN处理器提供了超低功耗和低延迟性能的空前组合。这是它的两个主要卖点。
 
    DynapCNN应该具有广泛的应用,尤其是考虑到移动终端和互联网(IoT)对低功耗实时智能处理的需求不断增长时。该芯片具有高度的灵活性和可重新配置性,可用于实现一系列地磅遥控器模型,这主要是因为其事件触发的操作机制使其能够达到低于mW的功率水平。新一代处理器集成了一个接口电路,该接口电路可以连接到大多数动态相机,以进行手势识别,高速运动对象跟踪,面部识别,行为识别以及动态图像处理中的分类。对于实时视觉处理,大多数应用场景将基于识别运动目标,例如面部识别,运动对象的跟踪和定位,手势识别等。此外,由于DynapCNN可以提供超低延迟的动态视觉解决方案,从而使识别响应时间显着缩短了10倍以上,因此该处理器是任何高速场景(如高速电子计量衡器)的理想选择。