基于 i.MX8QM的AI影像辨识与车辆识别方案

NXP管管

现今自动化驾驶以及辅助驾驶越来越普遍化的情况下，对于edge computing的需求也越来越提升。
如何帮助客户开发AI应用程式成为新的课题。


品佳在去年提出了eIQ edge运算的解决方案，详细请参考:
https://www.wpgdadatong.com/tw/solution/detail?PID=5260


今年2020，在此介绍新的eIQ 2.0，大幅提升了效率以及各类使用方式。
此方案基于NXP 原生 BSP 5.4.24_2.1.0做开发，加入Python的元素，并且可使用GPU/NPU做AI 类神经网路的运算，使得效率以及应用场景皆更完整。                                                                                                                                          
首先使用pip安装python压缩包:

使用影像识别的范例为: 以经典图片grace_hopper.bmp做分别:
2019年初版eIQ:
Inference time约需330ms.

2020年eIQ2.0 (PyeIQ):

可以看出以GPU运算的能力, 相同使用 mobilenet model, 使用TensorflowLite只需要约10ms, 速度及效率快上30倍!!
另外eIQ2.0提供即时影像输入以及视频辨识的功能:

使用中国台湾实景街道拍摄的影片做物件识别的专案
可以看出i.MX8QM实测效能为30ms。


此方案提供下列NNAPI表供各个平台以及算法做开发

此方案整合各家不同算法并提供对应的API供客户做开发使用。
并且搭配上i.MX8QM 4核A53+2核A72+2颗内包GC7000XSVX GPU，可以做到利用GPU运算AI以及图像技术，且稳定提供系统资源。
目前已有数家客户以此方案开发车用市场的应用。


品佳FAE团队将以此方案为基础，协助所有客户开发相关AI领域的应用。
► 场景应用图

► 方案方块图

► 核心技术优势
1. Automotive Gade, ASIL-B
2. 16x Vec4-Shader GPU, 32 compute units OpenGL® ES 3.2 and Vulkan® support Tessellation and Geometry Shading
3. 2xARM A72 core + 4 A53 core
4. MIPI CSI可同时接入两个高清摄像头
5. 品佳提供跨平台(PC to I.MX)的ML(Machine Learning)应用程式


► 方案规格
Python 3.7
TensorFlow 2.1
TensorFlowLite 2.1
OpenCV 4.2.0
ArmNN 19.08

文章出处：大大通

阅读全文