从近距离传感器到内传感器:对嵌入式AI视觉系统的最新研究

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 嵌入式系统 嵌入式系统

背景情况:

• 人工智能在网络物理系统中的集成是标准的,但云处理会带来延迟和功率挑战.
• 传统的基于云的AI视觉与数据瓶和对实时应用程序的高能源需求作斗争.

研究的目的:

• 审查嵌入式AI视觉系统,重点关注近传感器和传感器内处理架构.
• 分析AI集成视觉系统的关键性能指标,包括分辨率,率,延迟和功率效率.
• 为了比较AI视觉管道的不同嵌入式处理方法.

主要方法:

• 对人工智能集成视觉系统特征和性能指标的全面分析.
• 检查具有专用硬件加速器的近传感器处理架构.
• 探索传感器内处理解决方案,将计算直接集成到传感器中.

主要成果:

• 近传感器系统为实时处理提供了灵活性和性能的平衡.
• 传感器内处理通过启用芯片内计算,显著降低了数据移动和功耗.
• 在每种方法中,都确定了灵活性,功耗和计算性能之间的权衡.

结论:

• 嵌入式AI视觉系统,特别是传感器内处理,对于克服网络物理系统中的云限制至关重要.
• 对于下一代机器视觉,需要对嵌入式AI视觉架构进行进一步的研究.
• 优化嵌入式AI视觉管道需要仔细考虑性能指标和架构权衡.