半导体行业观察|前端人脸识别芯片选型指南( 二 )


卷积之外的计算——虽然深度学习算法中90%都是卷积运算 , 但如果我们想对整个算法过程的时间优化 , 就必须关注图像的前处理以及后处理进?关注 , 因为10%短板可能耽误90%的时间 。 现阶段的前端AI芯?普遍都关注的到了图像的前处理 , 基本都有硬件resize模块 , 但是对于后处理还没有过多关注 。 从我们今天说的?脸识别来看 , ?脸算法的核?过程检测、跟踪、特征提取 , 通过CNN加速器我们可以快速完成 , 最耗时的特征提取部分也都能在30ms以内完成 , 当我们30ms提取?个特征时 , CNN部分已经不是整个应?的最耗时部分 , ?在于万?乃?10万?特征?对过程 , 假如?对过程?270ms , 那么整个CNN部分也只是整体的1/10?已 。 其实特征?对过程的计算过程并不复杂 , 只是计算多维向量的距离 , 并且特征向量的数组?多为浮点型 , 相信未来会有芯?提供这类?巧?效的浮点运算单元 , ?于提升卷积之外的算法运算 。
产品是?套完整系统
这?年在?脸识别产品应?中 , ?家开始改?谈“落地”谈“解决?案” , 巨?的变现压?开始逼迫AI公司从技术思维向产品思维转型 , 那么什么样的芯?才是适合做产品的芯?呢?
AI之外的产品需求——前端?脸识别硬件 , 除了所有?都盯着的算法算?之外 , 还有许多容易被忽视的系统需求 。 以具体的?脸识别平板举例 , 算法满?要求时 , 影像系统需要满?摄像头接?(?般为双摄) , 显示系统需要满?单块LCD触摸屏接?(?付平板可能会是双屏) , 连接系统需要满?WIFI/BT和选配4G , 外围的接?预留485/232/继电器IO/USB/以太? , 外设喇叭/读卡器/扫码器也要考虑 。 技术和产品的最?的差别就是产品是?套完整的系统 , 系统的组件也许很? , 但是少?个也都?法做出产品 。 当选择?颗SOC开发?脸识别产品时 , 其系统完整性的价值是不可忽视的 , 例如当我们需要双屏应?时也许?个SOC只有显示接? , 或者需要?转接芯?转接 , ??如我们需要多个USB外设接?时 , 需要使?HUB芯?扩展 , 虽然我们满?了需求 , 但是产品的复杂度也随着提升 。
问题场景是关键——我的上?篇?章有提到 , 其实?前?多数算法?员主要的时间精?并不是的开发算法 , ?是处理?量的问题场景(cornercase) , 这也是从做技术到做产品的?种表现 , 图像识别产品的落地需要?量的问题场景积累 , 这?举两个例?来说明问题场景与SOC关系 。 第?个是?脸识别摄像机的图像效果问题 , 要“识别准”就要“拍的清” , 但是“拍的清”这件事在算法领域?是很模糊的概念(?眼觉得好的HDR效果算法未必认可) , ?前的主要?案是采集问题场景数据对模型进?更新 , 这种?案效率不? , 于是真正的产品公司开始建???的影像团队 , 提升问题场景的图像效果 , 这就需要SOC有出?的ISP性能和好?的ISP调试?具 。 第?个例?是?脸识别?锁的功耗问题 , 就算法可?性来说?脸?锁场景早已满?(库容?算?需求低) , 但是功耗问题?直在寻找突破 , 如何在6~8节电池的供电下让?脸锁?作半年呢?720P级的图像传感器?般功耗在150mw?平 , 再加上红外补光灯 , 功耗?平远远?于指纹 , 于是sensor?商开始推出超低待机功耗的sensor , SOC?商也开始的内置riscv或ARM的MCU , 既然使?功耗不容易解决 , 那么就从解决待机功耗 。 这两个产品例?都是?脸识别产品 , 但他们的核?问题都不是算法 , 当选择对应SOC时 , 如果能有效解决关键问题场景 , 那么我们的产品研发进程将事半功倍 。
尊重行业应用
这两年的AI?业 , 做技术平台的已经逐步聚合 , 做垂直?业解决?案的开始崛起 , ?谈到?业解决?案 , 可以发现?个有趣的现象“只卖AI硬件的基本没赚到钱 , 做细分?业的反?多点开花” , 那么为什么会这样 , 同时这?跟底层芯?有什么关联呢?我们从端云结合产品和快速响应?业需求来谈 。
?脸识别硬件是?个典型的端云结合产品 , 设备端是?个前端应?的载体 , 云端是设备管理/数据互通的载体 , 云+端组合在?起才是能落地到具体?业的产品 。 这也就是为什么“只卖硬件赚不到钱”的原因 , 产品是需要完整性的 , 只提供了?半如何让客户买单呢 。 今天我们选择SOC时?般只看到了某些单芯??案的硬件成本优势 , 却忽略?脸识别硬件的云服务属性 , 各?各业的云服务需要具体对接到前端的AI硬件 , 如果硬件?商来做这件事 , ?量的垂直?业需求会让技术?持?员崩溃 , 于是Android可移植的的价值就被突显了出来 。 ?前市?的AndroidAI芯?价格还?于只?持Linux的芯? , 虽然前端使?Linux降低了硬件成本 , 但是?量的下游客户对Linux没有开发能?(他们更习惯把?家的服务封装成?个APP集成在前端硬件中) , 于是?量的对接?作也到了硬件?商这? , 让硬件?商焦头烂额 。 当?脸识别产品是很具体明确的场景时 , 我们使?有Linux成本最优的AI芯?没有问题 , 当产品需要?量云端对接时 , ?持Android的AI芯?因为其便于?次开发的特性 , 应该被?家重视 。