嵌入式AI主要用于圖像識別和語音識別，圖像識別主要用于工業、自動化、醫療等行業。以醫療行業為例，由于醫療保健行業大量使用大數據及嵌入式人工智能，進而精準改善疾病診斷、醫療人員與患者之間人力的不平衡、降低醫療成本、促進跨行業合作關系。此外嵌入式人工智能還廣泛應用于臨床試驗、大型醫療計劃、醫療咨詢與宣傳推廣和銷售開發。嵌入式人工智能導入醫療保健行業從2016年到2022年維持很高成長，預計從2016年的6.671億美元達到2022年的79.888億美元年均復合增長率為52.68％。（嵌入式AI圖像識別市場數據來源參考）

多家半導體廠商已經推出嵌入式AI平臺，比如

• 華為海思今年4月份發布的Hi3559A，這個樣品超過100美金/片
• 集成寒武紀AI核（遺憾不是最新的版本，因為最近寒武紀又發布最新的AI版本，同時還集成大名鼎鼎Cadence的 4核DSP）；
• 賽靈思Xilinx的FPGA—— Zynq 7020，ZU2CG開發難度大，價格不菲，還有其他家的ARM+FPGA方案也不便宜，開發難度也不小；
• 英偉達的GPU——JETSON TX2，TX2核心板英偉達自己生產，價格太貴，不適合產品小型化生產；
• TI 的TDA2x系列和DAVINCI系列最新的DM505，以及后續的版本，專注輔助駕駛ADAS，他的64bit浮點DSP C66X+EYE也支持深度學習（不要小瞧EYE，深度學習一個EYE比2個C66X 浮點DSP還強），不過功耗太高，軟件資源也不好搞到，海掏買美國D3公司DEMO板價格不菲，而且沒技術支持開發周期過長,價格也不便宜。
• Intel的Movidius Myriad 2，在軟件資源方面,Intel推出神經計算棒的免費NCSDK，這個軟件資源讓很多公司看到嵌入AI領域的希望，很多公司都在嵌入式開發板樹莓派3上面加這個神經計算棒學習。

華為海思Hi3516A/D + VPU和Hi3519V101+VPU，因為海思Hi3516A/D和Hi3519V101支持H.264/H.265編解碼，帶有ISP，還帶有一個IVE（智能視頻分析算法加速器，確切的說是傳統機器視覺算法加速器），然后再加上Intel Movidius 這個支持深度學習的VPU，就是上海速嵌智造的可深度定制開發的ARM+VPU深度學習平臺。也就是說同時支持傳統機器視覺算法+深度學習算法，而且還支持H.265編解碼。

海思Hi3516A/D和Hi3519V101的IVE支持的功能太過技術細節，將另文講述。

Movidius Myriad 2 VPU (Vision Processing Unit——視覺處理器)被稱作為“第三次影像革命的開端”的芯片方案。Movidius 已經被Intel收購，Intel Movidius Myriad 2 VPU可在不同目標應用中提供低功耗、高性能的視覺處理解決方案，其中包括嵌入式深度神經網絡、位姿估計、室內導航、3D深度感應、3D制圖（3D掃描建模），視覺慣性測距，以及手勢/眼部跟蹤，基于深度學習的環境感知。
安防巨頭海康和大華把Movidius Myriad 2(MA2450)視覺處理單元應用于視頻監控攝像頭，在完成監控和錄制等傳統任務外，提供人群密度監測、立體視覺、面部識別、人數統計、行為分析以及檢測非法停放車輛等先進的視頻分析功能。Myriad 2為大疆最近發布的首款迷你無人機Spark提供了視覺智能技術，大批量生產。
這顆芯片被一分為二，其中一部分有12個SHAVE 128位處理器，專為影像處理負載做優化，每顆都運作在600MHz的頻率下，而且有超頻潛能，第一代的180MHz顯然是不夠看的；與這些處理器相匹配的是Movidius稱之SIPP過濾器（Streaming Inline Processing Pipeline filters）的硬件加速器——可完成一些預設的影像處理任務，比如將來自不同類型攝像頭的數據融合到一起，或者將多個視頻內容接合到一起；另外還有2個32位RISC處理器用于芯片管理，這就是LEON4(LEON是一款32位RISC處理器，支持SPARC V8指令集，由歐洲航天總局旗下的Gaisler Research開發、維護，目的是擺脫歐空局對美國航天級處理器的依賴。LEON的主要產品線包括LEON2、LEON3、LEON4)。SHAVE這一端對原始影像數據做計算處理，OEM廠商可以選擇不同的方案；SIPP則可協力處理通常任務；集中型的寄存器結構令芯片兩側可同時對相同的數據做處理。這些對于降低延遲是相當有價值的。
鑒于這樣的架構設計，Myriad 2 VPU芯片面積是6.5mm，厚度1mm，具體的性能則是可以48fps的幀率同時處理來自12個1300萬像素攝像頭的數據，以60fps拍攝4K視頻自然也是毫無壓力，功耗低于0.5W(臺積電28nm HPC工藝)。按照El-Ouazzane的說法，相比能夠提供同等效果的GPU，Myriad 2的功耗低了最少10倍。
深度學習框架方面，支持Caffe,Caffe的全稱是Convolutional Architecture for Fast Feature Embedding，是一個清晰、高效的開源深度學習框架，核心語言是C++，支持命令行、Python和Matlab接口，既可以在CPU上運行也可以在GPU上運行。同時也支持Google的TensorFlow。所以C/C++、Python程序員可以快速切入深度學習的架構去工作。前面提到的Intel Movidius神經元棒，包括他們提供的免費NCSDK軟件包，可以滿足那些C/C++程序員、Python程序員輕松在WIN下直接開發AI軟件，也可以在ubuntu下直接開發軟件，很方便，而在嵌入式前端，同樣也可以支持NCSDK軟件包，熟悉Caffe和TensorFlow應該很快上手進行算法優化和設計。
而2017年推出的Movidius Myriad X(MA2485)將提供十倍于Myriad 2同樣功率范圍內深層神經網絡(DNN)的性能。

嵌入式AI MA2485

Myriad X 有4個可C編程的128位VLIW矢量處理器和可配置的MIPI通道，并擴展了2.5 MB的芯片內存和更多的固定功能成像/視覺加速器。就像在Myriad X中發現的一樣，Myriad X的矢量單位都是專有的SHAVE (流混合的架構矢量引擎)處理器，對計算機視覺工作負載進行了優化。Myriad X也支持最新的LPDDR4，MA2085變體只配置了外部存儲器接口。
Myriad X的另一個新功能是4K硬件編碼，4K在30Hz(H.264/H.265)和60 Hz(M/JPEG)支持。從接口上看，Myriad X帶來了USB 3.1和PCIe 3.0支持，這兩個都是Myriad VPU家族新支持的接口。與Myriad 2一樣，所有這些都是在同一個小于2W的功率范圍中完成的，更具體地說是在1W以內，使用臺積電16nm FFC工藝。所以說，在如此低功耗下就能完成很多視頻處理和深度學習，前面提到的幾個平臺根本無法做到。
從目前前端圖像識別市場反饋的角度看，這個Myriad 2 VPU(MA2450) 和 Myriad X VPU(MA2485)芯片出貨量比較大。在開發板-學習板方面，樹莓派3+可以直接拿神經計算棒進行深度學習算法開發。如果是產品設計，速嵌智造推薦ARM + VPU方案可以快速定制開發出產品。我們在HI3516D+VPU和Hi3519V101+VPU板上測試：

?

?

總結

以上是生活随笔為你收集整理的图像识别深度学习主流方案平台比较的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。