CEVAは、低消費電力の組込機器における機械学習開発を効率化できるリアルタイム・ニューラルネットワークソフトウェアフレームワーク「CEVA Deep Neural Network(CDNN)」を発表した。
CDNNは、同社のイメージ&ビジョンDSP「CEVA-XM4」を活用することで、GPUを用いたシステム比で、1/30の消費電力、1/15のメモリバンド幅で3倍高速に深層学習作業を実行することが可能だという。また、こうした高性能、省電力、低メモリバンド幅を実現は「CEVA Network Generator」という技術で実現しているとする。これはカスタマ側で生成した複雑なネットワーク構造および重みを、リアルタイム・システムで必要とされる少容量かつ最適化されたものに変換することを可能とするもので、その認識精度はオリジナルのネットワーク比で99%以上を達成しているとする。
なおCDNNのソフトウェフレームワークは、CEVA-XM4の既存のADK(Application Developer Kit)を拡張する形で、ソースコードで提供される。同ADKはフレキシブルなモジュラーで、完全なCNN実装と特定レイヤの両方に対し柔軟に対応できるほか、イメージ分類、ローカライゼーション、物体認識のためのリアルタイム・サンプル・モデルを装備しているため、物体認識、シーン認識、先進運転支援システム(ADAS)、人工知能(AI)、ビデオ解析、拡張現実(AR)、仮想現実(VR)などのコンピュータ・ビジョン・アプリケーションで利用することが可能だという。
|
|
CDNNの適用分野イメージ |
