上周在圣克拉拉舉辦的嵌入式視覺年度峰會上，我們可以清晰地感知，計算機視覺和移動設備深度學習的全新時代終于來臨。公眾對該領域的關注熱度可謂持續升溫——今年的峰會日程從原來的一天延長到兩天，參會人數之多著實令人印象深刻，而技術展示環節可謂精彩紛呈。

整個行業似乎都對計算機視覺的前景懷有充分信心，盡管其仍舊是一大挑戰，但卻越來越成為一個可以解決的問題。多個不同的細分市場包括汽車、監測、攝影和消費類電子產品都在積極開發視覺處理應用程序。

益華計算機（Cadence Design Systems）公司的展示實為一大亮點。在其展示中可以看到，越來越多的領域都涉及到傳感器的使用——無論是相機、陀螺儀、溫度計、接近傳感器等，在許多今天的設備中處處可見傳感器的身影。而看著這些傳感器生成的數據時，你會猛然發現，整個圖表都被大量由攝像機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。其面臨的一大挑戰是分析和使用視覺數據，因為其有可能需要消耗大量的計算資源和帶寬。處理這些數據將需要不斷地對傳感器到輸出的方案進行優化，以盡量減少功率和帶寬的消耗，同時又能提供所需的性能——值得開心的是，我們最新發布的PowerVR多媒體IP則主要針對這類應用程序。

來自Google Brain項目團隊的杰夫?迪恩指出，神經網絡的使用會使結果更好，因為屆時將產生更多的數據、更大的模型及更多的計算。他闡述了Google Brain項目自2011年以來便一直從事的深度學習工作。該項目有著獨特的項目目錄編寫方式，如今目錄編號已經達到1200。其廣泛應用在Android應用程序、藥物研發、谷歌郵箱、圖像識別、地圖、自然語言理解、圖像、機器人技術研究、演講、翻譯、YouTube等方方面面，并將在未來不斷發展。下圖展示的是最新的GoogLeNet初始架構，其目前在圖像識別方面的表現已經超過人類

從技術角度來看，今年峰會展示的一大焦點便是卷積神經網絡(CNN)。對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器學習方式，即模擬大腦視覺皮層識別和區分對象。

使用深度學習算法，CNN可用于計算攝影、計算機視覺、增強現實或虛擬現實等。谷歌則是該領域的引領者之一。其張量流引擎的開源旨在業內促進多人游戲模型、軟件和硬件的開發。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展的深度學習，如Caffe工具便是可以免費使用的。

在峰會上，我的同事保羅?巴奈特陳述了移動GPU的高效卷積神經網絡。保羅談論了當下如何在數以百萬的PowerVR移動GPU上運行最新的CNN算法。這些算法已經在貫穿諸多市場的SoC上可用，而其在計算攝影、增強現實、對象識別等方面展示的性能則相當可觀。相比移動CPU，PowerVR GPU使用CNN時的效率可提高3倍，性能提高12倍。最新CNN架構的完全連接層更小，這將有助于更有效地利用計算資源。在技術展示環節，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。該應用程序在Caffe框架及Alexnet模型上運行，使用OpenCL加速。演示則使用來自攝像機的實際輸入來確定攝像機指向的對象，加之由網絡產生的置信水平作為指示。其性能比在相同的網絡上運行的CPU要高幾倍。

嵌入式視覺已迅速蔓延至大量的應用程序中，從計算攝影和游戲到增強現實/虛擬現實和機器人，再到智能汽車和無人機，其觸及的領域將遠遠超出這些。由于嵌入式視覺取得了巨大的飛躍，明年的行業峰會將更加令人拭目以待。

Imagination將繼續推動這些技術在IP庫的發展：可訪問PowerVR圖像和PowerVR視覺網站獲取更多信息。請關注我們的Twitter (@ImaginationPR,@GPUCompute和@PowerVRInsider)獲取更多資訊。

您認為CNN是否將成為您所在應用領域視覺處理將使用的主要方法呢?