專注于智能互聯(lián)設(shè)備的全球領(lǐng)先信號(hào)處理IP授權(quán)許可廠商CEVA公司發(fā)布用于機(jī)器學(xué)習(xí)的第二代神經(jīng)網(wǎng)絡(luò)軟件框架CDNN2(CEVA深度神經(jīng)網(wǎng)絡(luò))。

　　CDNN2在相機(jī)設(shè)備上實(shí)現(xiàn)本地化的基于深度學(xué)習(xí)的實(shí)時(shí)視頻分析，與在云端進(jìn)行的同類分析相比，顯著減少了數(shù)據(jù)帶寬、存儲(chǔ)需求和延遲，并加強(qiáng)了隱私保護(hù)。CDNN2結(jié)合CEVA-XM4智能視覺(jué)處理器，在用于智能手機(jī)、先進(jìn)駕駛輔助系統(tǒng)(ADAS)、監(jiān)控設(shè)備、無(wú)人機(jī)、機(jī)器人和其它具有相機(jī)功能的智能設(shè)備上的嵌入式系統(tǒng)中實(shí)施機(jī)器學(xué)習(xí)，顯著縮短了上市時(shí)間并具有低功耗優(yōu)勢(shì)。

　　CDNN2在CEVA第一代神經(jīng)網(wǎng)絡(luò)軟件框架(CDNN)成功的基礎(chǔ)上構(gòu)建，后者已經(jīng)被多家客戶和合作伙伴采用。CDNN2增添了谷歌機(jī)器學(xué)習(xí)軟件庫(kù)TensorFlow的支持，并且為極其復(fù)雜的最新網(wǎng)絡(luò)拓?fù)浜蛯蛹?jí)提供更好的功能和性能，還支持全卷積網(wǎng)絡(luò)，從而允許任何給定的網(wǎng)絡(luò)使用任何分辨率作為輸入。

　　谷歌TensorFlow移動(dòng)/嵌入式團(tuán)隊(duì)領(lǐng)導(dǎo)Pete Warden評(píng)論道：“很高興看到CEVA支持TensorFlow應(yīng)用。功耗是在嵌入式設(shè)備中成功使得深度學(xué)習(xí)發(fā)揮潛力的關(guān)鍵，CEVA低功耗視覺(jué)處理器和CDNN2框架能夠幫助各種各樣的開(kāi)發(fā)人員在其設(shè)備中使用TensorFlow。”

　　CDNN2使用一組增強(qiáng)API，可以提升總體系統(tǒng)性能，包括從CPU直接卸載各種神經(jīng)網(wǎng)絡(luò)相關(guān)任務(wù)至CEVA-XM4，這些增強(qiáng)功能結(jié)合“按鈕”，可自動(dòng)將預(yù)訓(xùn)練網(wǎng)絡(luò)轉(zhuǎn)化到CEVA-XM4上無(wú)縫運(yùn)行，增強(qiáng)的CDNN2為開(kāi)發(fā)嵌入式視覺(jué)系統(tǒng)提供了顯著的上市速度和功率優(yōu)勢(shì)。CDNN2生成基于CEVA-XM4圖像和視覺(jué)DSP的更快速網(wǎng)絡(luò)模型，與基于CPU和GPU系統(tǒng)相比，顯著降低了對(duì)功耗和存儲(chǔ)帶寬的需求。要觀看CDNN2 的demo，點(diǎn)擊這里。

　　嵌入式視覺(jué)聯(lián)盟(Embedded Vision Alliance)創(chuàng)始人Jeff Bier評(píng)論道：“今天，從汽車至無(wú)人機(jī)和家用電器在內(nèi)許多類型系統(tǒng)的設(shè)計(jì)人員正在其產(chǎn)品中加入嵌入式視覺(jué)以提升安全性、自主性和功能性。我熱烈歡迎CEVA使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)推動(dòng)實(shí)施低成本、低功耗的智能視覺(jué)部署。”

　　CEVA營(yíng)銷副總裁Eran Briman評(píng)論道：“我們?cè)诘诙疃葘W(xué)習(xí)神經(jīng)網(wǎng)絡(luò)框架中實(shí)現(xiàn)的提升，是我們與CEVA-XM4客戶和合作伙伴累積豐富現(xiàn)場(chǎng)工作經(jīng)驗(yàn)所取得的成果。他們正在使用CDNN開(kāi)發(fā)和部署深度學(xué)習(xí)系統(tǒng)，用于包括無(wú)人機(jī)、ADAS和監(jiān)控的廣泛終端市場(chǎng)。特別地是支持TensorFlow生成網(wǎng)絡(luò)是一項(xiàng)關(guān)鍵的增強(qiáng)特性，確保我們的客戶能夠在下一代AI設(shè)備中充分利用谷歌功能強(qiáng)大的深度學(xué)習(xí)系統(tǒng)。”

　　CDNN2旨在用于目標(biāo)識(shí)別、先進(jìn)駕駛輔助系統(tǒng)、人工智能、視頻分析、增強(qiáng)現(xiàn)實(shí)(AR)、虛擬現(xiàn)實(shí)(VR)和類似的計(jì)算機(jī)視覺(jué)應(yīng)用。CDNN2軟件庫(kù)作為源代碼提供，擴(kuò)展了CEVA-XM4現(xiàn)有的應(yīng)用開(kāi)發(fā)套件(ADK)和計(jì)算機(jī)視覺(jué)庫(kù)CEVA-CV，它具有靈活性和模塊性，能夠在廣泛的網(wǎng)絡(luò)應(yīng)用那個(gè)支持任一完整的CNN實(shí)施方案或特定層。這些網(wǎng)絡(luò)包括AlexNet、 GoogLeNet、ResidualNet (ResNet)、SegNet、VGG (VGG-19、VGG-16、VGG_S)和 Network-in-network (NIN)等。CDNN2支持最先進(jìn)的神經(jīng)網(wǎng)絡(luò)層，包括卷積、去卷積、池化、全連接、softmax、concatenation和上采樣(upsample)，以及各種初始模型。它支持全部網(wǎng)絡(luò)拓?fù)?，包括Multiple-Input-Multiple-Output、每級(jí)多層、全卷積網(wǎng)絡(luò)，以及線性網(wǎng)絡(luò)(比如Alexnet)。

　　CDNN2框架的主要組件是離線CEVA網(wǎng)絡(luò)生成器，只要按下按鈕便可將預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)化為嵌入式友好的定點(diǎn)網(wǎng)絡(luò)。CDNN2解決方案包含基于硬件的開(kāi)發(fā)套件，可讓開(kāi)發(fā)人員不僅在仿真中運(yùn)行網(wǎng)絡(luò)，還可簡(jiǎn)便地在CEVA開(kāi)發(fā)板上實(shí)時(shí)運(yùn)行網(wǎng)絡(luò)。

　　如要了解更多有關(guān)CDNN2的信息，請(qǐng)?jiān)L問(wèn)公司網(wǎng)站http://launch.ceva-dsp.com/CDNN2。