現(xiàn)今自動化駕駛以及輔助駕駛越來越普遍化的情況下，對于edge computing的需求也越來越提升。

如何幫助客戶開發(fā)AI應(yīng)用程式成為新的課題。

品佳在去年提出了eIQ edge運(yùn)算的解決方案，詳細(xì)請參考:

https://www.wpgdadatong.com/tw/solution/detail?PID=5260

今年2020，在此介紹新的eIQ 2.0，大幅提升了效率以及各類使用方式。

此方案基于NXP 原生 BSP 5.4.24_2.1.0做開發(fā)，加入Python的元素，并且可使用GPU/NPU做AI 類神經(jīng)網(wǎng)路的運(yùn)算，使得效率以及應(yīng)用場景皆更完整。                                                                                                                                          

首先使用pip安裝python壓縮包:

使用影像識別的范例為: 以經(jīng)典圖片grace_hopper.bmp做分別:

2019年初版eIQ:

Inference time約需330ms.

2020年eIQ2.0 (PyeIQ):

可以看出以GPU運(yùn)算的能力, 相同使用 mobilenet model, 使用TensorflowLite只需要約10ms, 速度及效率快上30倍!!

另外eIQ2.0提供即時影像輸入以及視頻辨識的功能:

使用臺灣實景街道拍攝的影片做物件識別的專案

可以看出i.MX8QM實測效能為30ms。

此方案提供下列NNAPI表供各個平臺以及算法做開發(fā)

此方案整合各家不同算法并提供對應(yīng)的API供客戶做開發(fā)使用。

并且搭配上i.MX8QM 4核A53+2核A72+2顆內(nèi)包GC7000XSVX GPU，可以做到利用GPU運(yùn)算AI以及圖像技術(shù)，且穩(wěn)定提供系統(tǒng)資源。

目前已有數(shù)家客戶以此方案開發(fā)車用市場的應(yīng)用。

品佳FAE團(tuán)隊將以此方案為基礎(chǔ)，協(xié)助所有客戶開發(fā)相關(guān)AI領(lǐng)域的應(yīng)用。

? 場景應(yīng)用圖

? 方案方塊圖

? 核心技術(shù)優(yōu)勢

1. Automotive Gade, ASIL-B

2. 16x Vec4-Shader GPU, 32 compute units OpenGL? ES 3.2 and Vulkan? support Tessellation and Geometry Shading

3. 2xARM A72 core + 4 A53 core

4. MIPI CSI可同時接入兩個高清攝像頭

5. 品佳提供跨平臺(PC to I.MX)的ML(Machine Learning)應(yīng)用程式

? 方案規(guī)格

Python 3.7

TensorFlow 2.1

TensorFlowLite 2.1

OpenCV 4.2.0

ArmNN 19.08