Maxim Integrated宣布与Xailient联手打造最快、功耗最低的IoT人脸检测方案

发布时间:2021-8-4 16:17    发布者:eechina
关键词: MAX78000 , 神经网络 , 人脸识别
MAX78000 AI微控制器与Xailient的Detectum神经网络技术相结合,只需12ms即可检测并锁定视频、图像中的人脸

Maxim Integrated Products, Inc (NASDAQ: MXIM)日前宣布与专注于人工智能(AI)边缘计算的Xailient Inc达成合作,Xailient在其Detectum专利神经网络方案中采用Maxim Integrated的MAX78000超低功耗神经网络微控制器,检测并锁定视频、图像中的人脸。与传统嵌入式方案相比,Xailient的神经网络技术方案将功耗降低250倍(仅为280微焦耳),每次检测运算只需12 ms,支持网络的实时运行,速率高于当前市场上最高效的边缘计算人脸检测方案。

image002.jpg

•        关于Maxim Integrated MAX78000微控制器的详细信息,请访问:https://www.maximintegrated.com/ ... llers/MAX78000.html
•        关于Xailient Detectum神经网络技术的详细信息,请访问:https://www.xailient.com/
•        观看Maxim Integrated的MAX78000与Detectum神经网络整合设计的视频演示,请访问:https://www.youtube.com/watch?v=lDCcwBaKJDg

家装摄像头、工业级智能安全摄像头以及零售行业的人脸识别终端大多采用电池供电,类似的AI系统对功耗提出了严格要求,以确保电池在完成充电后支持最长的工作时间。除了支持单机运行外,Maxim Integrated的微控制器与Xailient的神经网络技术相配合,在边缘计算/云计算混合系统中,可大幅提升总体系统的电源效率、延长电池寿命;此类应用采用低功耗“侦听”模式,在侦测到人脸目标时唤醒更复杂的系统操作。

Xailient的Detectum神经网络方案包括对焦、缩放和视觉唤醒技术,在检测并锁定视频、图像中的人脸时,速度比传统软件方案提高76倍,并具有同等、甚至更高的检测精度。此外,其灵活的组网功能可扩展到面部识别之外的应用,例如牲畜存栏与监控、停车位占用、库存水平监测等。

主要优势
•        最长电池寿命/最高能源效率:Xailient的神经网络技术大大优化了计算效率,Maxim Integrated的超低功耗MAX78000微控制器则提供更加灵活的低功耗休眠模式。两者结合,使得采用纽扣电池供电的边缘计算/云计算平台的工作时间能够延长数年。
•        快速运算提升检测精度:速度是AI的一项关键指标,凭借更快的推理运算就能够实时响应系统请求;也可以对多次快速推理运算进行综合,以提高识别精度。只需短短12ms即可完成一次图像中的人脸检测,为用户在响应时间和检测精度之间的平衡提供了灵活性。

评价
•        “与Xailient的Detectum神经网络技术相配合,MAX78000能够进行分类和锁定,除了观察图像或视频中的人脸目标外,您还可以锁定这些目标在图像中的位置。”Maxim Integrated研究员兼MAX78000微控制器架构师Robert Muchsel表示:“高级应用包括对人员、车辆和目标物的计数、侦测或障碍物检测,以及路径映射、客流量热图等。”
•        “人工智能可能成为第二大碳排放行业。”Xailient Detectum神经网络技术发明人兼Xailient CTO  Shivy Yohanandan博士表示:“利用Maxim Integrated MAX78000和Xailient神经网络技术组成的边缘计算摄像头替代基于传统云计算AI的14个老式互联网协议(IP)摄像头,所减少的碳排放相当于行驶在道路上的一辆燃油动力汽车的碳排放。”

供货及价格
•        MAX78000的价格为8.50美元(1000片起,美国离岸价),可通过Maxim Integrated官网及特许经销商购买。
•        提供MAX78000EVKIT#评估套件,价格为168美元。
•        关于Detectum神经网络、系列型号、工具、服务以及对焦、缩放和视觉唤醒词技术,请直接咨询Xailient。

本文地址:https://www.eechina.com/thread-771730-1-1.html     【打印本页】

本站部分文章为转载或网友发布,目的在于传递和分享信息,并不代表本网赞同其观点和对其真实性负责;文章版权归原作者及原出处所有,如涉及作品内容、版权和其它问题,我们将根据著作权人的要求,第一时间更正或删除。
您需要登录后才可以发表评论 登录 | 立即注册

厂商推荐

相关视频

关于我们  -  服务条款  -  使用指南  -  站点地图  -  友情链接  -  联系我们
电子工程网 © 版权所有   京ICP备16069177号 | 京公网安备11010502021702
快速回复 返回顶部 返回列表