在網絡培訓、大數據和 ML 研究三方麵快速發展的推動下，所謂“深度學習”正迅速成為主流。這種說法在嵌入式視覺應用中體現得最為明顯，其最終目的是教會機器“領會”。嵌入式視覺應用的範圍似乎是無窮無盡的，從確保生產線零缺陷的機器視覺攝像頭，到監控交通、檢測盜竊和災難的杆裝“智慧城市”攝像頭，再到將您在網上購買的東西直接送到家門口的機器人，無所不包。 然而，卷積神經網絡 (CNN) 推斷計算成本極高，每次推斷都需要數十億次運算。此外，許多關鍵應用還需要極低的時延，而且還必須支持極高的幀速率。 鑒於這些限製以及對不足 10W 功耗、高可靠性、安全性和長時間现金网博e百 使用壽命的需求，我們怎樣才能設計出能夠提供所需 ML 推斷性能的集成式攝像頭？
在本次網絡研討會上，我們將從不同的角度探討這個主題：