移动端CV技术路线
2023-08-09 09:45:25 0 举报AI智能生成
移动端CV技术路线
作者其他创作
大纲/内容
编程
语言掌握
C++
python
java
平台
linux
安卓系统
ios
工具
cmake
VM
visual studio
java studio
移动端芯片情况
CPU
优点
支持浮点运算
开发简单
易于移植
缺点
计算能力弱
资源竞争导致性能波动
功耗高
合适场景
计算量不大或不太需要做矢量处理
实现方式：Neon+多线程
GPU
优点
算力强
支持向量化处理
并行线程多
缺点
功耗高
UI渲染资源竞争导致性能抖动
合适场景
计算密度高，逻辑简单的算法实现
实现方式：OpenCL/OpenGL
DSP
优点
几乎不存在计算资源竞争
运算能力强
功耗低
运行效率稳定
缺点
开发难度搭
合适场景
计算量大或性能瓶颈特定加速
实现方式：DSP专用指令集
NPU
优点
专用的神经网络加速
功耗比GPU/CPU低
处理时间量级提升
缺点
神经网络依赖于NPU可支持的算子
灵活性差
模型推理时需要量化处理，影响精度
合适场景
必须使用神经网络的时候
NPU专用推理框架
CV路线
1.传统图像处理（依赖第三方图像处理库）
2.常规深度学习模型移植
3.传统图像处理（不依赖于第三方库）
可以应对大部分自研图像处理操作
可以应对常规神经网络模块
可以应对常规图像处理模块
算法
基于第三方库
opencv
NCNN
自研模块
CV
ML
数据结构与算法
指令集
CPU
ARM-Neon
Intrinsic
GPU
OpenGL
Vulkan
DSP
HVX
Intrinsic
VPU
Intrinsic
深度学习移动端框架
tensorFlow Lite
苹果Core-ML
Quantized-CNN
0 条评论
下一页
