耐能推出3D深度视觉芯片级解决方案,可支持支付等级

耐能3D深度视觉芯片解决方案可支持结构光、双目视觉、ToF三类方案。

11月1日,耐能(Kneron)在腾讯全球合作伙伴大会推出支付等级的3D AI软硬件一体化解决方案。

依托超低功耗、拥有全球领先算力的耐能KDP系列AI芯片IP加持,耐能3D AI软硬件一体化解决方案在智能手机、智能安防、智能家居、新零售、工业智联网等领域均有不俗表现。目前,此方案已与多家国际大厂展开合作,预计将在2019年Q2 大规模量产。

耐能3D AI软硬件一体化解决方案采用商业化等级的CNN(Convolutional Neural Network卷积神经网络)模型,适配于主流的CNN网络,以及2D、3D视觉应用与音频应用。同时,拥有领先的模型压缩技术,支持无损、有损压缩,并与硬件设计协同工作,可减少模型尺寸和计算成本。

IMG_1379

耐能在科技共享舞台发表演讲

耐能3D AI软硬件一体化解决方案以AI芯片赋予终端设备人工智能,实现高性能并降低成本与功耗。同时,提供硬件+软件模型的完整解决方案,加速实现AI场景落地。此解决方案现已适配结构光、双目视觉、ToF等各种深度相机模组,对于不同距离、光源、移动速度、识别精度均有方案可以搭配,从而全面实现3D图像识别。

耐能3D深度视觉芯片解决方案可支持结构光、双目视觉、ToF三类方案:

1)结构光,适合近距离、高精准度识别,室内、户外、低光源均适用,人数支持家用至商用万人等级,可应用于智能门锁、门禁系统、新零售等领域。

2)双目视觉,支持3D人脸、人体、姿态、物品识别,适合近距离至中距离识别,室内、户外均适用,适合静态或移动中的人物,应用于智能门锁、门禁系统、机器人立体视觉、航拍机、无人机、智能工厂、新零售等领域。

3)ToF,支持3D手势、人体、姿态、物品识别,适合中距离至远距离识别,室内、低光源均适用,适合静态或快速移动的人物;应用于互动广告牌、机器人立体视觉、智能工厂、新零售、3D立体量测等领域。

产业3D深度视觉ToF双目视觉结构光耐能
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

推荐文章
暂无评论
暂无评论~