AI加速计算模块

[zmydsg]

精简，高效，适合无人机机载的大模型运算模块方案选择

[zmydsg]

https://cloud.google.com/tpu/docs/intro-to-tpu?hl=zh-cn#TPU
谷歌的TPU

[zmydsg]

Intel的计算棒，这个吊

Intel® Movidius™ Myriad™ X VPU 适用于多种计算机视觉和深度学习模型计算，尤其是在边缘设备上对低功耗和实时处理有要求的应用。以下是一些适合在 Myriad X 上运行的模型类别：

1. 物体检测模型

• YOLO（You Only Look Once）系列：YOLOv2 和 YOLOv3 等较轻量级的 YOLO 模型适合运行在 Myriad X 上，用于实时物体检测任务。
• SSD（Single Shot MultiBox Detector）：SSD-Mobilenet 等轻量级物体检测模型可以利用 Myriad X 的神经计算引擎高效地进行推理。

2. 图像分类模型

• MobileNet：MobileNet 系列是轻量级的卷积神经网络（CNN）架构，适合在边缘设备上运行。Myriad X 可以高效地运行 MobileNet V1、V2 等用于图像分类的模型。
• ResNet-18：相对较浅的 ResNet 变体，如 ResNet-18，适用于边缘推理，能够在 Myriad X 上实现较高的分类性能。

3. 人脸识别模型

• FaceNet、SphereFace 等轻量化人脸识别模型，Myriad X 可以加速这些模型的推理，用于实时人脸检测和身份识别。
• MTCNN（Multi-task Cascaded Convolutional Networks）：适用于人脸检测和关键点定位，在 Myriad X 上的运行速度较快。

4. 姿态估计模型

• OpenPose、PoseNet 等模型，用于人体关键点检测和姿态估计。Myriad X 可以帮助这些模型进行实时关键点检测应用，如在运动分析和监控中使用。

5. 语义分割模型

• DeepLab、ENet、Fast-SCNN 等轻量级的语义分割模型，适用于在低功耗设备上进行场景理解，如智能监控和自动驾驶中的道路标志检测。

6. 深度估计和 3D 感知模型

• MonoDepth、DPT（Dense Prediction Transformer）：可以用于深度估计任务，帮助实现 3D 感知。
• ORB-SLAM：适用于移动设备的视觉 SLAM 应用，在机器人导航中广泛应用。

7. 手势识别和动作检测

• C3D、I3D（Inflated 3D ConvNet） 等视频动作识别模型，适合在边缘设备上检测简单的手势和动作，用于手势控制或安防监控。

这些模型类别大多具备轻量化和低复杂度特点，能够利用 Myriad X VPU 的神经计算引擎（Neural Compute Engine）进行加速。同时，这些模型也可以通过 Intel 的 OpenVINO 工具进行优化，以便更好地适应 Myriad X 的硬件架构，在边缘环境中实现高效的 AI 推理。

[zmydsg]

我感觉这块（嵌入式）还是和AI结合的不够，市面上仅仅加了一点点AI加速计算，就卖的这么好，我们要是研究一下，实际效果很好的话直接也去审专利。

[zmydsg]

3. 香橙派。最高配置20TOPS的算力。