chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

PowerVR先進(jìn)的神經(jīng)網(wǎng)絡(luò)加速器

電子設(shè)計(jì) ? 來(lái)源:互聯(lián)網(wǎng) ? 作者:佚名 ? 2018-06-15 09:36 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

GDPR的影響

2018年5月25日,歐盟所有成員國(guó)都將采用新的通用數(shù)據(jù)保護(hù)條例(也稱為GDPR),該條例對(duì)于個(gè)人信息的收集、管理和使用有了更嚴(yán)格的規(guī)定。新法規(guī)對(duì)于消費(fèi)者數(shù)據(jù)的整理方式、必須采用哪種方式進(jìn)行存儲(chǔ)和保護(hù)以及如何使用等方面具有廣泛的影響。

各種組織不能夠再收集大量關(guān)于消費(fèi)者的數(shù)據(jù)進(jìn)行多方面的分析——現(xiàn)在要求數(shù)據(jù)控制者將個(gè)人數(shù)據(jù)的處理操作最小化,并且進(jìn)行高效的限制,僅用于特定目的應(yīng)用需求。此外,該應(yīng)用必須能夠明確傳達(dá)給相關(guān)數(shù)據(jù)的個(gè)人,獲取用戶同意的要求也必須更加的明確。因此,那些我們已經(jīng)熟悉的笨拙且易混淆的條款都將不適用:處理個(gè)人用戶數(shù)據(jù)的公司必須能夠透明的解釋他們要收集哪些數(shù)據(jù)、清楚地說(shuō)明為什么需要這些數(shù)據(jù)以及如何使用等。

另一個(gè)重要的考慮因素是:GDPR給予同意處理其數(shù)據(jù)的個(gè)人可以隨時(shí)撤銷授權(quán)的權(quán)利,值得注意的是,數(shù)據(jù)控制人員必須為此建議用戶這項(xiàng)權(quán)利,他們還必須能夠提供簡(jiǎn)單的方法讓用戶能夠撤銷授權(quán),然后確保在合理的時(shí)間范圍內(nèi)刪除數(shù)據(jù),這僅僅是數(shù)據(jù)處理法規(guī)方面的根本性改變,但可能會(huì)產(chǎn)生巨大的影響。


理論上不能夠充分證明符合GDPR條例的公司將會(huì)面臨巨額罰款,因此數(shù)據(jù)隱私和保護(hù)對(duì)所有公司來(lái)說(shuō)都越來(lái)越重要,這將會(huì)促使各種組織和服務(wù)提供商能夠深刻地重新考慮他們收集數(shù)據(jù)和處理的方式。

人工智能AI)介紹

考慮到不符合GPDR條例帶來(lái)的影響,企業(yè)可能不想再收集個(gè)人用戶的任何數(shù)據(jù),但是為了提供相互服務(wù),企業(yè)與消費(fèi)者之間的數(shù)據(jù)通信是必不可少的,我們可以進(jìn)行最小化處理但不可能避免。

那么人工智能(AI)如何提供幫助呢?讓我們來(lái)看一些潛在的應(yīng)用場(chǎng)景以及我們對(duì)引入AI如何減輕一些風(fēng)險(xiǎn)的解釋。

針對(duì)安全的行為定位

假設(shè)一個(gè)繁忙的機(jī)場(chǎng),每天有成千上萬(wàn)的旅客通過(guò)大廳和登機(jī)口,視頻記錄設(shè)備實(shí)時(shí)對(duì)每個(gè)現(xiàn)場(chǎng)進(jìn)行監(jiān)控。每個(gè)攝像機(jī)都會(huì)創(chuàng)建連續(xù)的視頻流,在進(jìn)行存檔之前這些視頻流會(huì)在安全控制室內(nèi)進(jìn)行匯總和監(jiān)控。這些視頻包括上百萬(wàn)幀的數(shù)據(jù),每個(gè)數(shù)據(jù)都包含數(shù)百?gòu)埲宋飯D片、他們的臉、活動(dòng)以及通過(guò)在機(jī)場(chǎng)內(nèi)的軌跡,要有效監(jiān)控所有視頻數(shù)據(jù)源無(wú)疑是一項(xiàng)挑戰(zhàn),即使受過(guò)專業(yè)行為分析培訓(xùn)的專家也是如此,更重要的是,這些系統(tǒng)正在不斷創(chuàng)建和歸檔大量的視頻數(shù)據(jù),其中大部分?jǐn)?shù)據(jù)基本上都是毫無(wú)用處的。

在GDPR條例中規(guī)定攝像機(jī)與控制室之間的視頻加密傳輸是必需的,這樣才能夠保證數(shù)據(jù)在網(wǎng)絡(luò)中傳輸是安全的。事實(shí)上這種基本的安全要素已經(jīng)在使用了,但通過(guò)將AI技術(shù)引入攝像機(jī)單元我們可以進(jìn)一步改進(jìn)該系統(tǒng):在這種情況下視頻信號(hào)處理芯片集成的神經(jīng)網(wǎng)絡(luò)處理器會(huì)被設(shè)置為匿名識(shí)別每個(gè)場(chǎng)景中的任務(wù)和物體,除了檢測(cè)到可疑行為或者異常。舉個(gè)例子,一個(gè)用戶帶著兩件行李進(jìn)入某個(gè)區(qū)域,但是離開(kāi)時(shí)只拿走一件行李,盡管他還沒(méi)有達(dá)到登機(jī)柜臺(tái),系統(tǒng)會(huì)自動(dòng)記錄視頻的相關(guān)部分。進(jìn)一步分析可以確定某個(gè)用戶,但是視頻中的其他人依然是匿名的,因此AI不僅可以顯著的減少需要處理的數(shù)據(jù)量,還可以實(shí)現(xiàn)匿名處理源數(shù)據(jù)。

AI在自動(dòng)駕駛領(lǐng)域的應(yīng)用

機(jī)場(chǎng)的案例說(shuō)明了一個(gè)潛在的AI應(yīng)用場(chǎng)景,在此場(chǎng)景中人們期望得到監(jiān)控并且監(jiān)控視頻只能認(rèn)為是機(jī)場(chǎng)的私有財(cái)產(chǎn)。另一個(gè)例子就是在ADAS系統(tǒng)中使用攝像頭的汽車,在這種情況下攝像機(jī)會(huì)在車輛行駛過(guò)程中不斷捕捉公路上的圖像,獲取該線路上所有用戶、司機(jī)和行人的個(gè)人信息顯然是不可能的。


在ADAS系統(tǒng)中使用神經(jīng)網(wǎng)絡(luò)技術(shù)可以幫助處理攝像機(jī)或者傳感器自身相關(guān)的數(shù)據(jù),攝像機(jī)輸出的圖像并不一定都是用戶可以識(shí)別的,相反,在圖像處理流水線中使用AI技術(shù),這可能會(huì)將原始數(shù)據(jù)轉(zhuǎn)變?yōu)閿?shù)字化視頻流。舉個(gè)例子就是道路標(biāo)志識(shí)別系統(tǒng)解析速度限制,其中標(biāo)志的數(shù)字和距離非常重要:AI攝像機(jī)輸出的數(shù)據(jù)非常的簡(jiǎn)單,比如是“70kph in 50m”,當(dāng)然這是一個(gè)簡(jiǎn)化的例子——實(shí)際的道路標(biāo)識(shí)系統(tǒng)要復(fù)雜的多——但是它足以說(shuō)明了SoC中的AI和神經(jīng)網(wǎng)絡(luò)技術(shù)能夠顯著的減少下游環(huán)節(jié)需要處理的數(shù)據(jù)量。

片上神經(jīng)網(wǎng)絡(luò)提供了解決方案

在任何數(shù)據(jù)處理應(yīng)用中授權(quán)同意是很難展示的,尤其是大規(guī)模的個(gè)人識(shí)別數(shù)據(jù)無(wú)法避免的情況下,在芯片中集成神經(jīng)網(wǎng)絡(luò)以創(chuàng)建一個(gè)人工智能平臺(tái),它能給我們提供獨(dú)特的解決方案。

神經(jīng)網(wǎng)絡(luò)技術(shù)的一些元素已經(jīng)集成到智能手機(jī)SoC芯片中,對(duì)一些應(yīng)用提供支持,比如人臉識(shí)別、安全支付等。同樣的,我們期望AI運(yùn)行在神經(jīng)推理引擎上,為自動(dòng)駕駛帶來(lái)革命性的變化,它將使得消費(fèi)電子設(shè)備能夠與用戶自然的交談,它將成為新一代智能家居物聯(lián)網(wǎng)IoT)設(shè)備的核心,事實(shí)上我們預(yù)計(jì)人工智能(AI)將變得無(wú)處不在。

毫無(wú)疑問(wèn)GDPR是批量審查數(shù)據(jù)保護(hù)和處理要求的主要催化劑之一,但是我們將這些新規(guī)定解讀為另一種影響,它將帶來(lái)電子設(shè)備收集和處理信息方式的創(chuàng)新,我們預(yù)計(jì)這種趨勢(shì)會(huì)滲透到更廣泛的應(yīng)用領(lǐng)域,甚至是一些AI“知道”而人類“不知道”的世界,這一切都是為了更好的遵循數(shù)據(jù)保護(hù)條例。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4834

    瀏覽量

    107598
  • adas
    +關(guān)注

    關(guān)注

    311

    文章

    2324

    瀏覽量

    211855
  • powervr
    +關(guān)注

    關(guān)注

    0

    文章

    99

    瀏覽量

    31529
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?279次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    一些神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)優(yōu)化方案

    特征圖保留不變,完成和所有相關(guān)卷積核點(diǎn)積以后再加載,最多復(fù)用 R*R*M 次。 3.不同網(wǎng)絡(luò)模型的效果 如圖所示,后者相對(duì)于前者,減少了連線資源和復(fù)雜度。 4.DNN加速器空間架構(gòu)片上存儲(chǔ)
    發(fā)表于 10-31 07:14

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    CNN算法簡(jiǎn)介 我們硬件加速器的模型為L(zhǎng)enet-5的變型,網(wǎng)絡(luò)粗略分共有7層,細(xì)分共有13層。包括卷積,最大池化層,激活層,扁平層,全連接層。下面是各層作用介紹: 卷積層:提取特征?!安蝗?/div>
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    的數(shù)量級(jí),而且生物軸突的延遲和神經(jīng)元的時(shí)間常數(shù)比數(shù)字電路的傳播和轉(zhuǎn)換延遲要大得多,AER 的工作方式和神經(jīng)網(wǎng)絡(luò)的特點(diǎn)相吻合,所以受生物啟發(fā)的神經(jīng)形態(tài)處理中的NoC或SNN
    發(fā)表于 10-24 07:34

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫(xiě)數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過(guò) read
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲(chóng)的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1120次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問(wèn)題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。神經(jīng)網(wǎng)絡(luò)并行
    的頭像 發(fā)表于 09-17 13:31 ?1096次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與<b class='flag-5'>加速</b>技術(shù)

    Andes晶心科技推出新一代深度學(xué)習(xí)加速器

    高效能、低功耗 32/64 位 RISC-V 處理核與 AI 加速解決方案的領(lǐng)導(dǎo)供貨商—Andes晶心科技(Andes Technology)今日正式發(fā)表最新深度學(xué)習(xí)加速器 AndesAIRE AnDLA I370。此產(chǎn)品專為
    的頭像 發(fā)表于 08-20 17:43 ?2266次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡(luò)加速度計(jì)的人工智能微控制技術(shù)手冊(cè)

    的Maxim超低功耗微控制相結(jié)合。通過(guò)這款基于硬件的卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器,即使是電池供電的應(yīng)用也可執(zhí)行AI推理,同時(shí)功耗僅為微焦耳級(jí)。
    的頭像 發(fā)表于 05-08 11:42 ?946次閱讀
    MAX78000采用超低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>加速</b>度計(jì)的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊(cè)

    MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的人工智能微控制技術(shù)手冊(cè)

    的Maxim超低功耗微控制相結(jié)合。通過(guò)這款基于硬件的卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器,即使是電池供電的應(yīng)用也可執(zhí)行AI推理,同時(shí)功耗僅為微焦耳級(jí)。
    的頭像 發(fā)表于 05-08 10:16 ?813次閱讀
    MAX78002帶有低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊(cè)

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    發(fā)者能使用 NVIDIA GeForce RTX GPU 中的 AI Tensor Cores,在游戲的圖形渲染管線內(nèi)加速神經(jīng)網(wǎng)絡(luò)渲染。
    的頭像 發(fā)表于 04-07 11:33 ?1122次閱讀

    神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看?

    無(wú)法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)
    發(fā)表于 03-06 07:10