神經形態是否計算機器視覺感知的未來？

專門從事緊湊型，節能邊緣計算設備的技術公司正在積極努力增強其設備的功能，以便在機器中進行視覺感知，以供諸如面部識別之類的應用。通常，視覺感知在邊緣設備上遠程部署時需要大量的計算資源，從而減少延遲和做出實時決策的能力。

從歷史上看，深度學習和機器學習神經硬件以及GPU的常規使用表明，效率低下，尤其是在數據啟發的網絡邊緣附近部署時。

為了應對這一挑戰，神經形態計算作為解決方案出現，提供了一種受人腦信息處理方法啟發的人工智能形式。使用神經形態計算，即使在管理要求AI工作負載的同時，公司也能夠創建對能源效率的邊緣設備。

Brainchip與VVDN合作夥伴以神經形態技術開發邊緣盒

腦排以神經形態計算而聞名的公司與電子工程和製造公司VVDN Technologies合作，創建了基於神經形態計算技術的邊緣盒。該產品旨在提供先進的AI功能，並在安全監視，汽車和工業用例等不同領域中找到應用。

根據Brainchip的說法，Edge Box旨在使客戶以具有成本效益的方式部署邊緣人工智能應用程序。組織可以利用AI在邊緣設備上的功能來監視各個行業的安全應用程序，從而提供更有效，有效的傳統方法的替代方案。

邊緣框是一種緊湊的設備，具有執行AI模型的能力，以支持視頻分析，面部識別和對象檢測等任務。利用Brainchip Akida處理器（以其高性能，低功耗和可擴展的體系結構而聞名），Edge Box可以是Edge AI解決方案的合適設備。

Brainchip首席執行官Sean Hehir說：“這個便攜式和緊湊的邊緣盒子是一種改變遊戲規則的盒子，使客戶能夠以前所未有的速度和效率來成本效率地部署AI應用程序，以擴大智能計算的好處。”

預言者開發基於事件的Metavision傳感器，用於始終在區域監測系統中

預言者已經揭示了基於事件的Metavision傳感器Genx32，目的是增強其在邊緣式視覺系統中的集成和用戶友好性，例如AI加速器和芯片上的邊緣系統。開發的主要重點是優化事件數據預處理和格式化，確保與數據接口的兼容性，並促進與各種處理平台（包括節能神經形態處理器）的低延遲連接性。

該公司強調了該傳感器的特定用例，例如針對人機接口的眼睛跟踪，駕駛員監控系統（DMS）等安全應用以及排放檢測。此外，它為安全和安全應用提供了始終的功能。

預言者通過其Metavision平台使用基於事件的視覺，這代表了從傳統的獲取和處理視覺數據的轉變，從人類視覺系統的功能中汲取靈感。通過使用神經形態技術，預知者可以提高效率和性能提高，從而提高安全性，生產率以及在消費電子，工業環境，汽車應用等領域中支持各種視覺系統的整體用戶體驗。

與傳統攝像機相反，事件傳感器並不使用所有像素的常見採集率（幀速率）。取而代之的是，每個像素通過對入射光水平的變化做出反應來獨立確定數據何時進行採樣。這種方法提供了幾種優勢，包括快速運行，有效的功率利用率，最小的延遲，導致響應時間更快，數據處理需求減少以及高動態範圍。這些質量共同渲染事件傳感器非常適合安全領域及其他領域的應用。

“我們建立在其他應用領域的商業成功基礎上，並開發了這種新的基於事件的Metavision傳感器，以通過傳感器來滿足邊緣系統開發人員的需求，該傳感器易於集成，配置和優化運動和對象檢測，存在意識，手勢識別，眼睛跟踪，眼睛跟踪以及其他高級成長領域以及其他高級增長領域，”這些其他領域可能包括面對生物識別技術。