返回主站 | 设为首页 | 加入收藏      
   
 
  首页 关于我们 产品展示 方案设计 技术分享 行业资讯 联系我们  
 
方案设计
蓝牙耳机方案
蓝牙音箱方案
DC/DC升压+音频组合方案
功放IC
电源管理IC
马达驱动IC/步进电机控制芯片
双通道D/A数模转换芯片
音量控制IC
触摸屏控制IC
LED照明驱动IC
锁相环IC
无线收发IC
功率半导体器件
视频IC
HDMI IC
FM解调IC
USB声卡IC
LCD显示驱动IC
模拟开关阵列IC
STN Driver IC
电容式触摸感应IC
LED音乐频谱IC
音频CODEC IC
TFT-LCD 时序控制IC
Lightning闪电数据接口IC
TFT-Driver IC
 
名称:
种类:
类别:

业务洽谈:

联系人:潘波 
手机:13713728695 
QQ:3003207580 
EMAIL:panbo@szczkjgs.com

联系人:张顺平 
手机:17727550196 
QQ:3003262363
EMAIL:zsp2018@szczkjgs.com

联系人:姚红霞 
手机:17727550195
QQ:3003214837
EMAIL:3003214837@qq.com

负责人联络方式:
QQ:784941831
手 机:13242913995
E-MAIL:panxia168@126.com
联系人:潘侠

 
当前位置:首页 -> 行业资讯
东芝汽车应用图像识别系统级芯片集成一种深度神经网络加速器
文章来源:永阜康科技 更新时间:2019/2/28 14:01:00
 

东芝电子元件及存储装置株式会社(“东芝”)今日宣布成功开发出一款汽车应用图像识别系统级芯片(SoC),与东芝上一代产品相比,该产品使深度学习加速器的速度提升10倍,功率效率提高4倍[1]。该技术成果的详情于2月19日在旧金山举行的2019 IEEE国际固态电路会议(ISSCC)上公诸于众。

自动紧急刹车等先进驾驶员辅助系统可提供越来越先进的功能,但实现这些功能需要图像识别系统级芯片在低功耗条件下高速识别道路交通信号和路况。

深度神经网络(DNN)是模仿大脑神经网络的算法,与传统模式识别和机器学习相比,DNN的识别处理精度要高得多,预计将会在汽车应用领域得到广泛应用。而采用传统处理器的DNN图像识别耗时较长,因为它依赖大量的乘积累加(MAC)计算。同时,采用传统高速处理器的DNN还存在功耗过高问题。

东芝利用可在硬件上实现深度学习的DNN加速器解决了这一难题。它具有三大特点。

  • 并行MAC单元。DNN处理需要大量MAC计算。东芝的新设备配有四个处理器,每个处理器包含256个MAC单元。因此提高了DNN的处理速度。
  • 减少了动态随机存取存储器(DRAM)存取。传统的系统级芯片没有本地内存,无法在靠近DNN执行单元的位置保存临时数据,并且在访问本地内存时产生较大功耗。同时,加载用于MAC计算的加权数据也会产生较大功耗。东芝新设备可在DNN执行单元附近执行静态随机存取存储器(SRAM),并将DNN处理分为多个子处理块,因此可将临时数据保存在SRAM内,从而减少了DRAM存取。此外,东芝还在加速器上增加了一个解压缩单元。可通过解压缩单元加载预先压缩并存储在DRAM中的加权数据。因此,降低了加载来自DRAM的加权数据时产生的功耗。
  • 减少了SRAM存取。传统深度学习需要在处理DNN的每一层之后访问DRAM,因此功耗过高。该加速器在DNN的DNN执行单元中设计有流水线层结构,以便在一次SRAM存取期间执行一系列DNN计算。

新系统级芯片符合全球汽车应用功能安全标准ISO26262的要求。

东芝将继续提高所开发的系统级芯片的功率效率和处理速度,且东芝下一代图像识别处理器ViscontiTM5的样品发货将于今年九月启动。

[1]

 

东芝在2015 IEEE国际固态电路会议上发表的一篇论文《面向图像识别应用采用基于颜色的对象分类加速器的1.9TOPS与564GOPS/W异构多核系统级芯片》中提及的图像识别系统级芯片



 
 
深圳市永阜康科技有限公司 粤ICP备17113496号  服务热线:0755-82863877 手机:13242913995