阅面携手英特尔重磅发布“繁星”,计算机视觉迈入AI芯片新纪元!

简介:

将AI视觉技术以更低门槛普及给大众。

​11月1日上午9:30,阅面科技携手英特尔重磅发布“繁星”系列产品。此次发布会以“繁星璀璨”为主题,完美诠释了阅面科技希望将AI视觉技术以更低门槛普及大众的愿景。另外,到场嘉宾还能先睹为快,在现场亲自体验繁星新品。

阅面携手英特尔重磅发布“繁星”,计算机视觉迈入AI芯片新纪元!

新品体验区人气爆棚

本次发布会受到了各界人士的高度重视,阅面科技CEO赵京雷,英特尔业务推广负责人Mansour Behrooz等行业重要人物都纷纷出席本次发布会。同时,有超过20家的专业媒体在现场进行体验与报道,数十家合作伙伴为新品站台,充分表达了他们对阅面科技的信任与支持。发布会通过产品、技术的深度阐述、用户体验、记者专访等环节,让各界人士对繁星有了更深入和全面的认识。

阅面携手英特尔重磅发布“繁星”,计算机视觉迈入AI芯片新纪元!

英特尔业务推广负责人Mansour Behrooz

跨模态人脸识别引擎UniFace

随着人工智能行业的日益火爆,市场也正在逐渐转变,但是AI目前依旧存在着许多难以攻克技术难题与门槛,核心算法就是其中之一。

阅面科技是一家专注于深度学习和计算机视觉技术研发的人工智能公司,拥有全球顶尖的算法团队。通过不断在核心算法领域的深耕、探索,阅面科技自主研发了业内首个跨模态人脸识别引擎UniFace。拥有跨模态与迁移学习能力的UniFace,彻底改变了目前产品的固有形态。

与目前主流算法不同的是,UniFace打破了不同Sensor,不同环境,不同场景,不同领域人脸特征表达的限制,例如同一张注册照片能在可见光、红外、3D三种不同的Sensor中进行识别,做到真正以FaceID为连通的人脸识别体系。

繁星AI芯片视觉模块

UniFace引擎的出现加速了人脸识别技术的普及,带来了新的产品升级的需求和机会。如何更简单方便的让UniFace这样的视觉技术为行业赋能呢。为此,阅面科技开创性地将UniFace集成为AI芯片视觉模块。

繁星AI芯片视觉模块由Sensor+ISP+VPU+嵌入式深度学习视觉算法组成,能从芯片端智能输出结构化数据。值得注意的是,该模块尺寸仅为38mmX38mm,真正做到即插即用、方便便携,大大降低了开发智能视觉产品的技术成本,加快推动了计算机视觉行业的前进发展。

阅面携手英特尔重磅发布“繁星”,计算机视觉迈入AI芯片新纪元!

繁星AI芯片模块组成

繁星AI芯片视觉模块本地集成强大的深度学习视觉处理算法,能实时进行数据结构化处理。同时,它拥有极低的功耗,本地深度学习处理功耗仅为0.5W,整体高峰功耗<2.5W。不仅如此,它还支持多种数据输出接口,方便集成。

据了解,繁星AI芯片视觉模块系列可搭载适用于不同场景的算法IP,目前主要包括:繁星-人脸识别模块、繁星-数据采集模块、繁星-人机交互模块。

1、繁星-人脸识别模块

通过宽动态Sensor获取图像或视频流,分析图像或视频流中的人脸图像进行检测和识别,输出结构化数据,可同时追踪和抓拍30人,抓取最清晰、角度最好的人脸,抓拍率99%,误检率小于0.5%,抓拍重复率低于10%。同时,支持2万人内的完全本地人脸识别。支持本地特征提取后传云端,满足大于2万人的人脸识别场景。

2、繁星-数据采集模块

获取并分析图像或视频流中的人头和人脸信息,进行人数、人群属性以及轨迹分析。可实时记录15人运动轨迹及运动方向,可进行进出指定区域的人数统计,准确率达95%。

在本次发布会现场,阅面科技还发布了其基于繁星-数据采集模块研发的智能客群分析摄像机——阅客。利用繁星的本地计算能力,阅客可以轻松进行实时客流计数、会员/熟客管理、轨迹管理等功能,商家能实时掌握顾客属性和行为。

阅面携手英特尔重磅发布“繁星”,计算机视觉迈入AI芯片新纪元!

阅客产品发布惊艳四座

3、繁星-人机交互模块

检测识别图像或视频流中的手势、人脸、人体,并转化为指令使得机器做出正确响应。毫秒级检测及追踪速度,响应迅速,支持掌、拳、V字手型、伸掌、握拳、挥手等多种手势操控,高鲁棒性的人脸及人体检测追踪运算。

实际上,繁星AI芯片视觉模块既可以作为独立AI摄像头嵌入到各种设备中即插即用,也可以作为视觉协处理器。它支持外接视频输入以及结构化数据的实时输出。举例来讲,传统摄像机加入繁星AI芯片模块,就能摇身一变,成为一个拥有顶级视觉算法能力的智能AI相机。

繁星背后的愿景

“智能让生活更美好”是阅面科技一贯的愿景,遵循这个信念,阅面科技的产品也不断在“实时动态”、“低功耗”和“低成本”等方面进行突破,让智能技术能够以更低的门槛进入人类的日常生活。

智能行业初期的发展必不可少的就是核心技术的推动前行,而阅面科技打破了传统、守旧的思想,将顶尖技术开放给行业合作伙伴,共同研发出更加优秀、智能的产品,这也是繁星系列推出的初衷。阅面科技希望繁星在未来能够支撑海量视觉硬件产品,为行业赋能。

“不忘初心,砥砺前行,始于繁星,行于光年。”


原文发布时间: 2017-11-06 15:13
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
1月前
|
人工智能 安全 芯片
【通义】AI视界|谷歌 Tensor G5 芯片揭秘:1+5+2 八核 CPU,支持光线追踪
本文由【通义】自动生成,涵盖黄仁勋宣布台积电协助修复Blackwell AI芯片设计缺陷、苹果分阶段推出Apple Intelligence、OpenAI保守派老将辞职、英伟达深化与印度合作推出印地语AI模型,以及谷歌Tensor G5芯片支持光线追踪等最新科技资讯。点击链接或扫描二维码,获取更多精彩内容。
|
1月前
|
人工智能 安全 自动驾驶
【通义】AI视界|英特尔和AMD“史无前例”首次合作,组建X86生态系统咨询小组
本文概览了近期科技领域的五大热点新闻,包括联想与Meta合作推出个人AI智能体“AI Now”,英特尔和AMD首次合作组建X86生态系统咨询小组,特斯拉计划大规模生产自动驾驶出租车,前Palantir首席信息安全官加盟OpenAI,以及Meta因涉嫌损害青少年心理健康面临美国多州诉讼。更多资讯,请访问通义平台。
|
28天前
|
人工智能 机器人 云计算
【通义】AI视界|OpenAI据称已计划联手博通和台积电共同打造自研芯片
本文由【通义】自动生成,涵盖苹果iOS 18.2将集成ChatGPT、OpenAI联手博通和台积电自研芯片、微软指责谷歌发起影子运动、英伟达高管预测AI将呈现人类形态、OpenAI董事会主席的初创公司估值达45亿美元等热点资讯。更多精彩内容,请访问通通知道。
|
29天前
|
数据采集 人工智能 搜索推荐
【通义】AI视界|迎接Apple Intelligence,Mac家族进入M4芯片时代
本文概览了近期科技领域的五大热点:苹果宣布Apple Intelligence将于2025年4月支持中文;新款Mac将搭载M4芯片;ChatGPT周活跃用户达2.5亿,主要收入来自订阅;Meta开发AI搜索引擎减少对外部依赖;周鸿祎支持AI发展但反对构建超级智能。更多详情,访问通义平台。
|
2月前
|
人工智能 数据中心 芯片
【通义】AI视界|英特尔推出新一代AI芯片挑战英伟达
今日科技热点包括:OpenAI CTO 米亚·穆拉蒂宣布离职,Meta发布多功能Llama 3.2语言模型,扎克伯格因Meta的人工智能策略使个人资产突破2000亿美元,星纪魅族展示AI生态新品如Lucky 08 AI手机及智能穿戴设备,以及英特尔发布Xeon 6 CPU和Gaudi 3 AI加速器挑战英伟达市场地位。这些动态展现了人工智能领域快速发展的趋势及其对科技巨头的影响。
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
【通义】AI视界|马斯克:特斯拉计划2025年末批量装备AI训练芯片Dojo2
本文精选了24小时内的重要AI新闻,包括特斯拉计划2025年批量装备Dojo 2芯片、英伟达股价大涨、谷歌联合创始人积极参与AI项目、中科院女工程师开源AI模型保护女性,以及快手旗下可灵AI与蓝色光标达成战略合作。更多内容敬请访问通义官网体验。
|
2月前
|
机器学习/深度学习 人工智能 PyTorch
AI计算机视觉笔记三十二:LPRNet车牌识别
LPRNet是一种基于Pytorch的高性能、轻量级车牌识别框架,适用于中国及其他国家的车牌识别。该网络无需对字符进行预分割,采用端到端的轻量化设计,结合了squeezenet和inception的思想。其创新点在于去除了RNN,仅使用CNN与CTC Loss,并通过特定的卷积模块提取上下文信息。环境配置包括使用CPU开发板和Autodl训练环境。训练和测试过程需搭建虚拟环境并安装相关依赖,执行训练和测试脚本时可能遇到若干错误,需相应调整代码以确保正确运行。使用官方模型可获得较高的识别准确率,自行训练时建议增加训练轮数以提升效果。
|
2月前
|
人工智能 并行计算 测试技术
AI计算机视觉笔记三十一:基于UNetMultiLane的多车道线等识别
该项目基于开源数据集 VIL100 实现了 UNetMultiLane,用于多车道线及车道线类型的识别。数据集中标注了六个车道的车道线及其类型。项目详细记录了从环境搭建到模型训练与测试的全过程,并提供了在 CPU 上进行训练和 ONNX 转换的代码示例。训练过程约需 4 小时完成 50 个 epoch。此外,还实现了视频检测功能,可在视频中实时识别车道线及其类型。
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
39 1

热门文章

最新文章