上周在圣克拉拉舉辦的嵌入式視覺年度峰會(huì)上，我們可以清晰地感知，計(jì)算機(jī)視覺和移動(dòng)設(shè)備深度學(xué)習(xí)的全新時(shí)代終于來臨。公眾對(duì)該領(lǐng)域的關(guān)注熱度可謂持續(xù)升溫——今年的峰會(huì)日程從原來的一天延長到兩天，參會(huì)人數(shù)之多著實(shí)令人印象深刻，而技術(shù)展示環(huán)節(jié)可謂精彩紛呈。

整個(gè)行業(yè)似乎都對(duì)計(jì)算機(jī)視覺的前景懷有充分信心，盡管其仍舊是一大挑戰(zhàn)，但卻越來越成為一個(gè)可以解決的問題。多個(gè)不同的細(xì)分市場(chǎng)包括汽車、監(jiān)測(cè)、攝影和消費(fèi)類電子產(chǎn)品都在積極開發(fā)視覺處理應(yīng)用程序。

益華計(jì)算機(jī)（Cadence Design Systems）公司的展示實(shí)為一大亮點(diǎn)。在其展示中可以看到，越來越多的領(lǐng)域都涉及到傳感器的使用——無論是相機(jī)、陀螺儀、溫度計(jì)、接近傳感器等，在許多今天的設(shè)備中處處可見傳感器的身影。而看著這些傳感器生成的數(shù)據(jù)時(shí)，你會(huì)猛然發(fā)現(xiàn)，整個(gè)圖表都被大量由攝像機(jī)或視覺傳感器生成的像素所覆蓋。

視覺信息是帶寬最高、信息量最豐富的可供用戶與世界交互的方式。其面臨的一大挑戰(zhàn)是分析和使用視覺數(shù)據(jù)，因?yàn)槠溆锌赡苄枰拇罅康挠?jì)算資源和帶寬。處理這些數(shù)據(jù)將需要不斷地對(duì)傳感器到輸出的方案進(jìn)行優(yōu)化，以盡量減少功率和帶寬的消耗，同時(shí)又能提供所需的性能——值得開心的是，我們最新發(fā)布的PowerVR多媒體IP則主要針對(duì)這類應(yīng)用程序。

來自Google Brain項(xiàng)目團(tuán)隊(duì)的杰夫?迪恩指出，神經(jīng)網(wǎng)絡(luò)的使用會(huì)使結(jié)果更好，因?yàn)閷脮r(shí)將產(chǎn)生更多的數(shù)據(jù)、更大的模型及更多的計(jì)算。他闡述了Google Brain項(xiàng)目自2011年以來便一直從事的深度學(xué)習(xí)工作。該項(xiàng)目有著獨(dú)特的項(xiàng)目目錄編寫方式，如今目錄編號(hào)已經(jīng)達(dá)到1200。其廣泛應(yīng)用在Android應(yīng)用程序、藥物研發(fā)、谷歌郵箱、圖像識(shí)別、地圖、自然語言理解、圖像、機(jī)器人技術(shù)研究、演講、翻譯、YouTube等方方面面，并將在未來不斷發(fā)展。下圖展示的是最新的GoogLeNet初始架構(gòu)，其目前在圖像識(shí)別方面的表現(xiàn)已經(jīng)超過人類

從技術(shù)角度來看，今年峰會(huì)展示的一大焦點(diǎn)便是卷積神經(jīng)網(wǎng)絡(luò)(CNN)。對(duì)于那些并非致力于研究視覺處理的人而言，CNN不過是一種模擬大腦行為的機(jī)器學(xué)習(xí)方式，即模擬大腦視覺皮層識(shí)別和區(qū)分對(duì)象。

使用深度學(xué)習(xí)算法，CNN可用于計(jì)算攝影、計(jì)算機(jī)視覺、增強(qiáng)現(xiàn)實(shí)或虛擬現(xiàn)實(shí)等。谷歌則是該領(lǐng)域的引領(lǐng)者之一。其張量流引擎的開源旨在業(yè)內(nèi)促進(jìn)多人游戲模型、軟件和硬件的開發(fā)。除了谷歌工具之外，其它工具也可以在其他框架中充分利用這些快速發(fā)展的深度學(xué)習(xí)，如Caffe工具便是可以免費(fèi)使用的。

在峰會(huì)上，我的同事保羅?巴奈特陳述了移動(dòng)GPU的高效卷積神經(jīng)網(wǎng)絡(luò)。保羅談?wù)摿水?dāng)下如何在數(shù)以百萬的PowerVR移動(dòng)GPU上運(yùn)行最新的CNN算法。這些算法已經(jīng)在貫穿諸多市場(chǎng)的SoC上可用，而其在計(jì)算攝影、增強(qiáng)現(xiàn)實(shí)、對(duì)象識(shí)別等方面展示的性能則相當(dāng)可觀。相比移動(dòng)CPU，PowerVR GPU使用CNN時(shí)的效率可提高3倍，性能提高12倍。最新CNN架構(gòu)的完全連接層更小，這將有助于更有效地利用計(jì)算資源。在技術(shù)展示環(huán)節(jié)，我們演示了這一概念——詳見下文。

我們的演示使用的是含有 Intel Atom四核SoC的谷歌Nexus播放器，其包含了PowerVR G6430 GPU。該應(yīng)用程序在Caffe框架及Alexnet模型上運(yùn)行，使用OpenCL加速。演示則使用來自攝像機(jī)的實(shí)際輸入來確定攝像機(jī)指向的對(duì)象，加之由網(wǎng)絡(luò)產(chǎn)生的置信水平作為指示。其性能比在相同的網(wǎng)絡(luò)上運(yùn)行的CPU要高幾倍。

嵌入式視覺已迅速蔓延至大量的應(yīng)用程序中，從計(jì)算攝影和游戲到增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)和機(jī)器人，再到智能汽車和無人機(jī)，其觸及的領(lǐng)域?qū)⑦h(yuǎn)遠(yuǎn)超出這些。由于嵌入式視覺取得了巨大的飛躍，明年的行業(yè)峰會(huì)將更加令人拭目以待。

Imagination將繼續(xù)推動(dòng)這些技術(shù)在IP庫的發(fā)展：可訪問PowerVR圖像和PowerVR視覺網(wǎng)站獲取更多信息。請(qǐng)關(guān)注我們的Twitter (@ImaginationPR,@GPUCompute和@PowerVRInsider)獲取更多資訊。

您認(rèn)為CNN是否將成為您所在應(yīng)用領(lǐng)域視覺處理將使用的主要方法呢?