智能视觉芯片的利记博彩app
【专利摘要】本实用新型提出了智能视觉芯片系统架构，属于人工智能技术领域。本实用新型提出的芯片以蜂窝神经网络为核心，包括摄像头、存储器、图像处理模块和图像特征提取模块等。该芯片具有集成度高、功耗低、速度快、配置灵活等特点，适用范围广，具有广阔的市场前景。
【专利说明】
智能视觉巧片
技术领域
[0001] 本实用新型属于人工智能技术领域，具体地说，设及智能视觉忍片(Smad Vision Integrated Circuit，SVIC)。
【背景技术】
[0002] 今为止，人类历史上已经历了 Ξ次工业革命，分别为机器工业革命、电汽工业革 命、计算机工业革命，相对应解决了机器动力问题、能源传输问题、信息处理及传输问题，都 为人类社会带来了生产力的巨大变革。目前，全球仍然在第Ξ次工业革命的持续探索中，包 括互联网、移动互联网浪潮都归属于其一系列衍生现象。下一次工业革命将是一次能完全 替代人角色的人工智能革命。实质上，是人类复制了另一个自己，利用制造出来的机器人完 全替代自身从事自主、智能的行为。目前运样一场轰轰烈烈的第四次工业革命，正在悄然向 我们走来。
[0003] 深度学习领域中的突破引发了人工智能革命。近年来，包括化cebook、谷歌、科大 讯飞、百度在内的多家知名互联网企业，运用"深度学习"技术推出了语音和图像的识别、合 成算法。运些算法是一种计算机模拟人脑神经网络的算法。简单来说，就是用计算机搭建一 个神经网络，然后通过W往的数据不断训练优化它。运些新算法和技术的部分功能已超过 了人类大脑。
[0004] 人工智能革命在深度学习领域算法方面获得了一定突破的同时，国内外一些公司 就将商业机会瞄准了如何用硬件实现运些算法。
[0005] 在智能视觉忍片设计方案方面，目前W美国Movidius公司为代表的产品架构方案 为：由独立的摄像头进行影像拍摄，通过光电转换传感器，将影像传给一个图像处理和图 像特征提取的数字计算和识别系统。
[0006] Movidius架构方案的特点如下：
[0007] 1)摄像头与图像处理及特征提取部分，分别由两块集成电路组成；
[000引2)图像处理及特征提取部分，通常是将数百个GPU核和10个左右CPU核设计在一块 集成电路忍片中，W完成大量的数据计算。
[0009] Movidius架构方案的缺点主要有：
[0010] 由于图像处理和特征提取部分需要大量的计算，使得该集成电路忍片功耗很大， 通常该集成电路忍片功耗大于500毫瓦，在小型电子器件，如手机，IPAD，笔记本中使用时费 电，发热严重；
[0011] 目前运块负责图像处理及特征提取的集成电路忍片，嵌入数百个GPU核和10个左 右的CPU核，设计出来的集成电路忍片面积较大，对于半导体生产厂家的选择要求就高，生 产成本也高；
[001 ^ 计算速度相对偏低。
[0013]为此，本实用新型提出了一种全新的智能视觉忍片。
【发明内容】
[0014] 针对现有智能视觉忍片存在的功耗高、忍片面积大和计算速度慢等问题，本实用 新型提出了一种新的智能忍片系统架构，W视觉蜂窝神经网络（Cellular Neural Networks, CNN)为核屯、，将摄像头（图像获取）、存储器、图像处理、图像特征提取等所需的计 算和识别集成到一块集成电路中，提高了集成度，降低了功耗，能够实时完成图像识别，并 且配置灵活，通过可编程配置可完成不同的图像识别功能。
[0015] 本实用新型提出了一种智能视觉忍片，包括内置图像获取模块、数模转换模块、图 像处理模块、系统时钟模块、存储器、通讯控制模块和视觉蜂窝神经网络模块。其中，所述 系统时钟模块的输入连接到外部时钟源，为所述智能视觉忍片提供内置或外置的工作时 钟;所述内置图像获取模块的输出连接到所述视觉蜂窝神经网络模块;所述数模转换模块 的输入连接到外部数字图像源、输出连接到所述图像处理模块;所述图像处理模块的输入 还连接到外部模拟图像源、输出连接到所述视觉蜂窝神经网络模块;所述视觉蜂窝神经网 络模块对其接收的图像信号进行处理得到图像特征的值;所述存储器与所述视觉蜂窝神经 网络模块连接;所述通讯控制模块与所述视觉蜂窝神经网络模块双向连接，输出所述图像 特征的值;所述通讯控制模块的通讯接口包括串行接口、并行数据接口、W太网接口和无线 接口。优选地，所述视觉蜂窝神经网络模块的参数是可事先设置，并可在使用过程中通过程 序再次设置。
[0016] 优选地，所述存储器是模拟的存储器，或者数字的存储器。
[0017] 优选地，所述无线接口包括WiFi和蓝牙。
[0018] 优选地，所述图像特征的值通过WiFi、并行数据接口或W太网接口输出。
[0019] 优选地，所述的图像特征包括图像纹理、边缘、凸凹角、边界、孔桐、骨架和裁剪。
[0020] 由上述方案可W看出，本实用新型围绕视觉蜂窝神经网络C順，将图像传感器、存 储器、图像处理W及图像识别等构成单一忍片，克服了现有智能视觉忍片的不足，具有集成 度高、功耗小、计算速度快、配置灵活等特点。忍片适用范围广，市场潜力巨大。
【附图说明】
[0021] 图1是本实用新型提出的智能视觉忍片框图。
[0022] 图2是4X4两维蜂窝神经网络示意图。
[0023] 图3是单个细胞等效电路的举例。
【具体实施方式】
[0024] 下面将结合附图对本实用新型的具体实施例进行详细描述。
[0025] 本实用新型W先进的视觉蜂窝神经网络(C順)为核屯、，将图像获取、数模变换、系 统时钟、存储器、图像处理和图像特征提取所需的计算和识别集成到一块集成电路中，如图 1所示。
[0026] 本实用新型的核屯、是视觉蜂窝神经网络(CNN)，如图2所示，α^Ν可W构建现在正火 热的深度学习 （Deep Learning)系统。如同神经网络，α^Ν由大量非线性模拟电路组成，能够 实时处理输入的信号，当然现在运些非线性模拟电路的功能也可W采用数字电路来实现。 运些非线性模拟电路构成的单元称之为细胞(Cell),达数百万个的细胞按一定的规则排 列，只有最邻近的细胞才直接互相相连，交换信息。远端的细胞通过禪合间接地发挥影响。 每个细胞由线性电容、线性电阻、非线性的压控电流源、独立的电压源和独立的电流源等组 成，如图3所示，也可W用数字电路实现与图3等效的功能。CW#lj用了模拟和数字两个世界 的优势，它的连续时间特性可W实时处理信号，本地互联特性使得它便于大规模集成电路 实现，CNN特别适用于信号平行处理。
[0027] 图2给出的是二维一层C顺网络结构，可W进一步构筑多层的C順，增加学习的深 度，如同现在的深度学习网络架构。α^Ν细胞的参数是可W通过事先设置，并在后面使用过 程中通过程序再次设置。不同的C順细胞、不同的CNN层可W完成不同的图像处理功能，比如 不同细胞分别完成图像降噪、图像纹理、边缘检测、凸凹角检测、边界提取、孔桐填充、骨架 提取、裁剪等，从而实时地得到图像的各种特征，便于后续的图像识别、表示和描述。当然， 图像的识别、表示和描述同样可W由不同配置的CNN实现。
[0028] CNN获得的图像特征信号可W直接从每个细胞输出，或者每个细胞复用后再输出。
[0029] 关于更详细的原理，请参见杨林博±所申请的W下发明专利和发表的学术论 文。
[0030] Leon 0，Chua;Lin Yang，"Cellular Neural Network'' ,United States Patent， Patent Number：5,140,670,Date of Patent：Aug.18,1992.
[0031] Leon 0 , Chua ； Lin Yang，"Cel lular Neural Networks : Theory"，IEEE Trans.Circuits and Systems,vol.35(10)0ct.1988,pp.1257-1272.
[0032] Leon 0,Chua；Lin Yang，"Cellular Neural Networks：Applications IEEE Trans-Circuits and Systems,vol.35(10)0ct.1988,pp.1273-1290.
[0033] 内置图像获取模块，它由大量的光传感器组成，每个C順细胞有一个单独的光传感 器相连，每个光传感器检测图像的一部分，得到相应C順细胞的输入数据。C順细胞能够并行 高速接收输入信号，每个CNN细胞专用于处理输入图像的单个像素，W便实时获得图像识别 结果。可W通过忍片封装上的透明窗口，把要处理的图像或数据直接投射到CNN忍上。
[0034] 外部图像源和数模变换模块，智能视觉忍片SVI邱余了上述内置的图像获取模块 夕h也支持外部图像源的输入。外部图像源可能是摄像机、手机、计算机或视频播放器等，物 理接口支持BNC、分离视频信号接口 YUV/RGB、S-Video端子、复合视频信号CVBS、RCA、USB、 HDMI等。外部图像源产生的图像信号可能是模拟的或数字的，若是模拟的，则直接送给C順 单元，但若是数字的，则送给数模变换模块，完成数字图像信号到模拟信号的转换，得到相 应的模拟信号，经图像处理模块后再送给α^Ν单元。
[0035] 图像处理模块，对外部输入的图像信号进行一些技术处理，比如对输入信号进行 幅度限幅处理，归一化为[-1，1]之间，W便满足CNN对输入幅度的要求;伽马校正，W获得更 好的动态分布，等。
[0036] 系统时钟模块，智能视觉忍片SVIC支持内置时钟和外部时钟。
[0037] 存储器，用于保存输入的原始数据、中间计算结果和最终的图像特征数值等，存储 器是内置在SVIC里面的，运不同于现有的智能视觉忍片。存储器采用数字存储器或模拟存 储器，采用模拟存储器更能降低功耗。
[0038] 通讯/控制模块，完成SVIC和外部的命令、数据交换，支持串行数据接口，包括USB、 I2C等;并行数据接口，RJ45接口的千兆W太网，W及无线网络接口，包括WiFi和蓝牙。α^Ν获 得的图像特征值可W通过运些通讯接口传输，比如通过并行数据接口、W太网或WiFi等。
[0039] 本实用新型提出的智能视觉忍片方案和现有的Movidius架构方案的比较见表1， 从中可W看到本实用新型提出的架构方案具有的优点包括电子器件集成化程度高，忍片功 耗小，集成电路忍片功耗小于50毫瓦，具有显著的低功耗、高性价比的功效。忍片适用范围 广，也适合在小型智能设备中使用，市场潜力巨大;采用视觉蜂窝神经网络技术，实时从所 获得的视觉图像中提取图像图形特征数据，提取运算时间是目前世界公布的运算提取时间 的十分之一左右;该忍片设计内部有数百万个视觉神经细胞单元，采用可设置(预置、网络 修改)神经细胞网络层数，和每层细胞的功能参数，可W灵活改变该忍片的应用范围。
[0040] 表1产品方案比较
[0041]
[0043]上述【具体实施方式】W较佳实施例对本实用新型进行了说明，但运只是为了便于理 解而举的一个形象化的实例，不应被视为是对本实用新型范围的限制。同样，根据本实用新 型的技术方案及其较佳实施例的描述，可W做出各种可能的等同改变或替换，而所有运些 改变或替换都应属于本实用新型权利要求的保护范围。
【主权项】
1. 智能视觉芯片，其特征在于，包括内置图像获取模块、数模转换模块、图像处理模块、 系统时钟模块、存储器、通讯控制模块和视觉蜂窝神经网络模块，其中： 所述系统时钟模块的输入连接到外部时钟源，为所述智能视觉芯片提供内置或外置的 工作时钟； 所述内置图像获取模块的输出连接到所述视觉蜂窝神经网络模块； 所述数模转换模块的输入连接到外部数字图像源、输出连接到所述图像处理模块； 所述图像处理模块的输入还连接到外部模拟图像源、输出连接到所述视觉蜂窝神经网 络丰吴块； 所述视觉蜂窝神经网络模块对其接收的图像信号进行处理得到图像特征的值； 所述存储器与所述视觉蜂窝神经网络模块连接； 所述通讯控制模块与所述视觉蜂窝神经网络模块双向连接，输出所述图像特征的值； 所述通讯控制模块的通讯接口包括串行接口、并行数据接口、以太网接口和无线接口。2. 根据权利要求1所述的智能视觉芯片，其特征在于，所述的视觉蜂窝神经网络模块的 参数是可事先设置，并可在使用过程中通过程序再次设置。3. 根据权利要求1所述的智能视觉芯片，其特征在于，所述存储器是模拟的存储器，或 者数字的存储器。4. 根据权利要求1所述的智能视觉芯片，其特征在于，所述无线接口包括WiFi和蓝牙。5. 根据权利要求4所述的智能视觉芯片，其特征在于，所述图像特征的值通过WiFi、并 行数据接口或以太网接口输出。6. 根据权利要求1所述的智能视觉芯片，其特征在于，所述图像特征包括图像纹理、边 缘、凸凹角、边界、孔洞、骨架和裁剪。
【文档编号】G06N3/02GK205621017SQ201620130429
【公开日】2016年10月5日
【申请日】2016年2月22日
【发明人】陈进民
【申请人】陈进民