Unit pemroses visi/penglihatan (bahasa Inggris: Vision Processing Unit/VPU) adalah suatu kelas mikroprosesor yang muncul; ini adalah jenis akselerator kecerdasan buatan khusus, yang dirancang untuk mempercepat tugas penglihatan alat berat (per 2018).[1][2]
Ringkasan
Unit pemrosesan visi berbeda dari unit pemrosesan grafis (yang dikhususkan untuk pengodean dan dekode video) dalam kesesuaiannya untuk menjalankan algoritma penglihatan mesin seperti CNN (convolutional neural network), SIFT (scale-invariant feature transform) dan sejenisnya.
Mereka mungkin termasuk antarmuka langsung untuk mengambil data dari kamera (melewati buffer off chip), dan memiliki penekanan lebih besar pada aliran data on-chip antara banyak unit komputasi paralel dengan memori scratchpad, seperti DSP banyak inti. Namun, seperti unit pemrosesan video, mereka mungkin memiliki fokus pada aritmatika titik tetap presisi rendah untuk pemrosesan gambar.
Kontras dengan GPU
Unit pemrosesan visi berbeda dari GPU, yang berisi perangkat keras khusus untuk rasterisasi dan pemetaan tekstur (untuk grafik 3D), dan yang arsitektur memorinya dioptimalkan untuk memanipulasi gambar bitmap dalam memori off-chip (membaca tekstur, dan memodifikasi buffer bingkai, dengan pola akses acak). VPU dioptimalkan untuk kinerja per watt, sementara GPU terutama berfokus pada kinerja absolut.
Target pasarnya adalah robotika, internet untuk segala, kelas baru kamera digital untuk realitas virtual dan realitas berimbuh, kamera pintar, dan mengintegrasikan akselerasi penglihatan mesin ke dalam ponsel cerdas dan perangkat seluler lainnya.
Contoh
- Movidius Myriad X, yang merupakan unit pemrosesan visi generasi ketiga di lini Myriad VPU dari Intel Corporation .
- Movidius Myriad 2, yang digunakan di Google Project Tango,[3] Google Clips dan DJI Drone [4]
- Pixel Visual Core (PVC), yang merupakan prosesor Gambar, Visi, dan AI yang sepenuhnya dapat diprogram untuk perangkat seluler
- Microsoft HoloLens, yang mencakup akselerator yang disebut sebagai Unit Pemrosesan Holografik (pelengkap untuk CPU dan GPU-nya), yang ditujukan untuk menafsirkan input kamera, untuk mempercepat pelacakan & visi lingkungan untuk aplikasi augmented reality.[5]
- Eyeriss, desain dari MIT yang ditujukan untuk menjalankan jaringan saraf konvolusi.[6]
- NeuFlow, desain oleh Yann LeCun (diimplementasikan dalam FPGA) untuk mempercepat konvolusi, menggunakan arsitektur aliran data.
- Mobileye EyeQ, oleh Mobileye
- Programmable Vision Accelerator (PVA), Prosesor Visi VLIW 7-arah yang dirancang oleh Nvidia.
Prosesor serupa
Beberapa prosesor tidak dideskripsikan sebagai VPU, tetapi sama-sama dapat diterapkan untuk tugas visi mesin. Ini mungkin membentuk kategori akselerator AI yang lebih luas (yang mungkin juga dimiliki oleh VPU), namun pada tahun 2016 tidak ada konsensus mengenai nama:
- IBM TrueNorth, prosesor neuromorfik yang ditujukan untuk pengenalan pola data sensor dan tugas intelijen yang serupa, termasuk video/audio.
- Unit pemrosesan Qualcomm Zeroth Neural, entri lain di kelas chip berorientasi sensor/AI yang sedang berkembang.[7]
Lihat pula
- CELL, prosesor multicore dengan fitur yang cukup konsisten dengan unit pemrosesan penglihatan (instruksi SIMD & tipe data yang cocok untuk video, dan DMA on-chip antara memori scratchpad).
- Koprosesor
- Unit pemrosesan grafis, juga biasa digunakan untuk menjalankan algoritma visi. Arsitektur Pascal NVidia mencakup dukungan FP16, untuk memberikan tradeoff presisi/biaya yang lebih baik untuk beban kerja AI.
Referensi
- ^ Seth Colaner; Matthew Humrick (January 3, 2016). "A third type of processor for AR/VR: Movidius' Myriad 2 VPU". Tom's Hardware.
- ^ Prasid Banerje (March 28, 2016). "The rise of VPUs: Giving Eyes to Machines". Digit.in.
- ^ Weckler, Adrian. "Dublin tech firm Movidius to power Google's new virtual reality headset". Independent.ie. Diakses tanggal 15 March 2016.
- ^ "DJI Brings Two New Flagship Drones to Lineup Featuring Myriad 2 VPUs - Machine Vision Technology - Movidius". www.movidius.com.
- ^ Fred O'Connor (May 1, 2015). "Microsoft dives deeper into HoloLens details: 'Holographic processor' role revealed". PCWorld.
- ^ Chen, Yu-Hsin; Krishna, Tushar; Emer, Joel; Sze, Vivienne (2016). "Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks". IEEE International Solid-State Circuits Conference, ISSCC 2016, Digest of Technical Papers. hlm. 262–263.
- ^ "Introducing Qualcomm Zeroth Processors: Brain-Inspired Computing". Qualcomm. October 10, 2013.
