什么是卷积神经网络在嵌入式视觉?

卷积神经网络(CNN)是一种与嵌入式视觉系统协同部署的常见机器学习方法。cnn被广泛应用于模式和图像识别应用中——在这些类型的任务中，它们显示出比其他形式的机器学习更高级的结果。

cnn是一种自动化图像分类过程的迷人方法。但什么是CNN呢?它是如何工作的，嵌入式视觉扮演什么角色?

什么是卷积神经网络?

cnn本质上是一个相互连接的人工神经元系统，用来交换关于视觉数据输入的信息。大多数cnn都是分层结构，每一层都经过训练，以响应从上一层接收到的信息。每一层都是这样构建的，在每一层检测到视觉数据后，模式识别逐渐变得复杂。

例如，第一层用于检测图像中的基本模式，第二层检测基本模式中的模式，下一层检测这些模式中的更多模式，以此类推，直到识别出图像。

cnn能否与嵌入式视觉协同工作?

传统上，机器视觉系统需要手动教授物体的每一个定义特征才能识别它。cnn将此过程自动化。训练它们的方法是给它们喂食大量预先分类的图像数据集——当它在识别物体时出错时，它会自动调整自己的分类参数。其结果是一个可以持续学习的系统，而不需要手动教授每一个可能的分类点。

具有CNN功能的嵌入式视觉系统是可能的，但它们必须具有极高的计算性能才能满足CNN的要求。同样，嵌入式系统必须具有大的带宽容量和低的功耗，以促进每秒处理数十亿个mac。理想情况下，嵌入式系统也将是灵活的——这样cnn固有的不断改进的能力就可以有效地适应。

嵌入式视觉系统可以为复杂cnn的训练和实现提供重要的视觉数据，只要它们能够承受极端的性能要求。

cnn是一种复杂的算法，它可以自动定义分类参数的过程，有一天可能会被广泛应用于许多不同的行业。

要了解关于这个主题的更多信息，请参见by的嵌入式视觉和cnn的真实实现在FPGA上观看这个AIA会员视频．