エッジアプリケーションに対するへの性能向上要求への対応

AIアプリケーションをネットワークのエッジに移すと、遅延の削減、プライバシーの向上、低消費電力化などのメリットがあります。しかし設計上の課題も発生します。小型化と低消費電力化を実現することが可能なエッジAI開発用ソリューションが求められています。同時に人物検知や物体カウントなどの新しいAI/MLアプリケーションでも高い性能が求められています。

このような要求にどのように対応すればよいでしょうか？複数の産業アワードを受賞したLattice sensAI™はエッジデバイスに低消費電力AIを提供するソリューションです。この5月に、ラティスは大幅に性能とデザインフローを改善したsensAIの新しいバージョンを発表しました。 このアップデートで性能は10倍向上しています。

ラティスは新しいホワイトペーパー“最先端エッジ AI 開発が求める高性能なソリューション”をリリースしました。ホワイトペーパーにはsensAIソリューション、小型・低消費電力FPGAを使ったニューラルネットワークの開発手法が記載されています。

実際の使用例

エッジAIの開発をご検討の際にはホワイトペーパーの最後に記載されているsensAIの使用例についてご確認ください。新しいアプリケーションの場合でも既存のシステムにAI機能を追加する場合でも、エッジアプリケーションのAIに関連する一般的なデータ処理の問題をsensAIがどのように解決するかが記載されています。

これらの使用例は2つのパターンに分類できます、「データ前処理」と「データ後処理」です。データ前処理はスマートビジョンアプリケーションで消費電力と遅延を少なくするための優れた方法です。sensAIはシステムが処理を実行する前に、メインデバイスまたはクラウド側でデータを処理する必要があるかどうかを判断します。これにより誤検知 (スマートビジョンアプリケーションではよく発生する) によって発生する無駄なSoCまたはMCUの起動 (電力を消費してしまう) 、クラウドへのデータの転送 (遅延が発生してしまう) を防止します。sensAIによる後処理は、既存のエッジ・エンベデッドビジョンアプリケーションにスマートビジョンの機能を追加するために優れた方法です。例えば、スマートビジョンの機能を追加する場合、既存のシステム上のSoCまたはMCUにプロセッシング処理を追加せず、アクセラレータを追加して処理を行わせるほうがより効率が高いと感じるかもしれません。この機能追加はsensAIで簡単に行うことができます。またsensAIソリューションは小型・低消費電力のラティスFPGA上に実装できるので、sensAIを使用して既存のシステムにスマートビジョン機能を追加しても消費電力と基板サイズの増加を最低限に抑えることができます。

さらに詳しい情報は、sensAIについてのウェブサイトよりご確認ください。