i.MX 8M 제품군에 ISP 및 기계 학습 가속화 추가

i.MX 8M Plus 애플리케이션 프로세서가 어떻게 에지 컴퓨팅을 가능하게 하여 산업 작업을 포함한 다양한 애플리케이션의 머신 러닝 속도를 높이는지 알아보십시오.

클라우드 컴퓨팅, 에지 컴퓨팅 및 비전 기반 시스템은 점점 더 많은 산업 및 소비자 시스템을 인수했습니다. 또한 많은 현대 시스템은 기계 학습과 인공 지능을 사용하여 사용자 경험을 향상시킵니다. 이 접근 방식을 사용하려면 임베디드 시스템 설계자가 다양한 SoC와 특수 프로세서를 활용하여 이러한 모든 작업을 수행해야 하는 경우가 많습니다.

그러나 NXP는 다른 접근 방식을 취하기로 결정하고 ISP(이미지 신호 프로세서), 기계 학습 가속을 위한 NPU(신경 처리 장치) 및 MPU를 하나의 장치에 결합했습니다. 고급 i.MX 8M Plus 애플리케이션 프로세서.

그림 1. i.MX 8M Plus 애플리케이션 프로세서.

클라우드 컴퓨팅 대 에지 컴퓨팅

i.MX 8M Plus 애플리케이션 프로세서가 에지 컴퓨팅을 위한 강력한 솔루션을 제공하는 이유를 이해하려면 약간의 컨텍스트가 필요합니다.

클라우드 컴퓨팅은 사용자 네트워크 범위 외부에서 컴퓨터 시스템 리소스의 주문형 가용성을 나타냅니다. 이러한 리소스는 모든 종류가 될 수 있습니다. 그러나 일반적으로 까다로운 작업을 수행하고 데이터를 저장하는 데 사용됩니다.

종종 클라우드 기반 데이터 센터는 단일 사용자나 조직에만 국한되지 않습니다. 대신 모든 사용자가 리소스를 공유합니다. 일반적으로 퍼블릭 클라우드 서비스는 종량제 모델을 사용하므로 클라우드에서 처리하기 위해 불필요하거나 시끄러운 데이터가 업로드되면 비용이 빠르게 증가할 수 있습니다.

에지 컴퓨팅이 유용할 수 있는 곳입니다. 에지 컴퓨팅은 네트워크 경계 내에서 사용자와 클라우드 사이에 일부 리소스를 배치합니다. 그러나 일반적으로 모든 계산이 에지에서 수행되는 것은 아닙니다. 대신 엣지의 리소스를 활용하여 데이터를 필터링하고 원치 않는 요소가 클라우드에 업로드되기 전에 삭제하고 불필요한 비용을 발생시킵니다. 종종 머신 러닝과 AI를 활용하여 결과를 자동으로 분류하고 관련 정보만 클라우드에 업로드합니다.

그러나 클라우드를 완전히 생략하고 모든 기계 학습 추론을 에지 프로세서(예:i.MX 8M Plus 애플리케이션 프로세서)에서 로컬로 실행할 수도 있습니다. 여기에는 몇 가지 장점이 있습니다.

클라우드 컴퓨팅보다 에지 컴퓨팅 사용의 잠재적 이점

i.MX 8M Plus에서 제공하는 것과 같은 에지 컴퓨팅은 클라우드 컴퓨팅에 비해 더 자세히 고려할 가치가 있는 여러 가지 가능한 이점을 제공합니다.

비용 요인 외에도 클라우드에 업로드되는 데이터의 감소는 전체 네트워크 트래픽도 감소시켜 네트워크에 의존하는 다른 애플리케이션의 속도를 높일 수 있습니다. 이는 프로세서가 특별히 전담하는 작업의 효율성을 높일 뿐만 아니라 다른 부수적 활동 및 우선 순위를 위한 중요한 리소스를 확보합니다.

다음으로, 추론을 로컬에서 실행한다는 것은 클라우드 서비스가 오프라인이거나 네트워크 연결이 중단된 경우에도 애플리케이션이 계속 작동할 수 있음을 의미합니다. 이는 특히 안전이 중요한 사용 사례뿐만 아니라 가정 보안 장치와 같은 기타 연결된 애플리케이션의 경우에도 중요한 요소일 수 있습니다.

또한, 이 솔루션은 클라우드 서비스 활용에 비해 더 나은 대기 시간과 더 짧은 응답 시간을 제공합니다. 예를 들어 공장 현장 육안 검사 및 기타 시간이 중요한 애플리케이션을 수행할 때 짧은 대기 시간이 중요합니다.

마지막으로 사용자 개인 정보 보호는 고려해야 할 또 다른 요소입니다. 모든 외부 서비스는 기밀 데이터를 다룰 때 잠재적인 보안 위험이 있습니다. 따라서 사용자 네트워크 범위 내에서 중요한 정보를 유지하면 전체 애플리케이션의 보안을 높일 수 있습니다. 이는 산업 사용자에게 중요할 뿐만 아니라 예를 들어 음성 도우미를 사용하거나 개인 비디오 및 이미지 파일로 작업할 때 개인 사용자와 고객 모두에게 중요합니다.

얼마나 많은 기계 학습 성능이 필요합니까?

클라우드 컴퓨팅에서 기계 학습 성능은 일반적으로 문제나 제한 요소가 아닙니다. 그러나 엣지에서 이러한 작업을 수행할 때 문제는 얼마나 많은 전력이 필요한가가 됩니다. 기계 학습 성능을 측정하는 널리 사용되는 방법은 TOPS로 초당 1조(테라) 연산의 약자이며 이름에서 알 수 있듯이 초당 연산(일반적으로 8비트 정수 곱셈 또는 누적)을 나타냅니다. . 그러나 전체 시스템 성능은 더 많은 요인에 따라 달라집니다. 그럼에도 불구하고 TOPS는 여전히 머신 러닝 시스템의 성능을 빠르게 비교하는 데 자주 사용됩니다.

에지에서의 완전한 음성 인식(키워드 스포팅 뿐만 아니라)은 대략 1~2 TOPS의 시스템 성능을 요구하는 것으로 밝혀졌습니다. 실제 요구 사항은 채택된 알고리즘과 사용자가 말하는 내용을 이해하는 것이 중요한지 여부에 크게 의존합니다. 또 다른 예로, 초당 60프레임의 물체 감지는 Yolov3와 같은 알고리즘을 사용할 때 약 2~3개의 TOPS가 소요됩니다.

에지에서의 처리 및 기계 학습의 관련성이 점점 더 높아짐에 따라 NXP는 i.MX 8M Plus 애플리케이션 프로세서에 약 2.3 TOPS의 성능을 가진 기계 학습 가속기를 추가하여 다양한 산업 작업 및 기타 여러 작업에 적합합니다. 외부 클라우드 기반 서비스를 사용할 필요 없이 애플리케이션을 사용할 수 있습니다.

그림 2. i.MX 8M Plus 애플리케이션 프로세서는 외부 클라우드 기반 서비스를 활용하는 다양한 산업 작업에 적합합니다.

i.MX 8M Plus는 임베디드 비전 기반 시스템에 사용할 준비가 되었습니다.

지금까지 이 기사에서는 카메라가 작동해야 하는 애플리케이션의 다양한 예를 언급했습니다. 그 중 하나는 자동화된 광학 검사 후 생산 라인의 끝에서 불량 부품을 폐기하는 비전 기반 시스템이었습니다. 이러한 모든 시스템에는 예를 들어 카메라의 이미지와 같은 시각적 입력이 필요합니다. ISP 기능은 모든 카메라 기반 시스템에 존재합니다. 종종 이미지 신호 프로세서는 카메라 자체와 같은 외부 장치에 존재하고 사용자로부터 멀리 숨겨져 있습니다. 이러한 ISP는 일반적으로 몇 가지 다른 이미지 최적화 및 필터링 작업을 처리합니다.

많은 경우, 예를 들어 간단한 USB 웹캠을 사용할 때 전용 ISP를 사용하지 않고도 벗어날 수 있습니다. 그런 다음 ISP는 일반적으로 이미 카메라에 내장되어 있어 사용자가 눈치채지 못하는 사이에 필요한 모든 변환을 수행합니다.

그러나 이러한 ISP에는 한계가 있으며 일반적으로 최대 2메가픽셀의 해상도에서 잘 작동합니다. 게다가, ISP에 대한 통제 부재, 복잡성 증가, 전력 소비 증가로 인해 경우에 따라 문제가 될 수 있습니다.

2MP(1080p)보다 높은 이미지 해상도가 필요한 경우 임베디드 시스템 설계자는 외부 ISP를 활용할 수 있으며, 이는 결과적으로 시스템의 전체 복잡성과 전력 소비를 증가시킵니다. 또는 설계자는 i.MX 8M Plus와 같은 ISP가 내장된 애플리케이션 프로세서를 사용할 수 있습니다. 이 접근 방식은 시스템의 복잡성을 증가시키지 않으면서 특히 2메가픽셀 이상의 해상도에서 최적화된 이미징 솔루션을 제공합니다.

요약

에지 컴퓨팅은 클라우드 컴퓨팅에 비해 몇 가지 매력적인 이점이 있으며 미래에 우리가 일하고 생활하고 여가 시간을 보내는 방식을 바꿀 잠재력이 있습니다. 일부 이점으로는 안정성, 확장성, 보안이 향상되고 대기 시간이 단축됩니다.

i.MX 8M Plus 애플리케이션 프로세서를 통해 NXP는 에지에서 최신 애플리케이션을 가능하게 하는 두 가지 요소를 결합했습니다. 이 새로운 MPU는 수많은 혁신적인 산업 장치와 소비자 수준 제품의 개발을 장려할 것입니다. 여기에는 고해상도 입력 데이터가 필요한 최신 비전 기반 시스템을 구축하기 위한 ISP가 포함됩니다.

ISP의 이미지 정보는 내장된 NPU에 직접 공급되어 이미지 데이터에 의존하는 고속 애플리케이션을 가능하게 하는 동시에 CPU를 다른 작업에 사용할 수 있게 유지합니다. 또한 i.MX 8M Plus 애플리케이션 프로세서는 시간에 민감한 네트워킹이 있는 이더넷 컨트롤러, ECC를 지원하는 DRAM 컨트롤러, 신청.

i.MX 8M Plus 애플리케이션 프로세서를 사용하면 스마트 홈 허브, 지능형 빌딩 제어, 산업용 애플리케이션 등 엣지에서 고전력 비전 기반 애플리케이션의 가능성은 거의 무한합니다.

업계 기사는 업계 파트너가 편집 콘텐츠에 적합하지 않은 방식으로 All About Circuits 독자와 유용한 뉴스, 메시지 및 기술을 공유할 수 있는 콘텐츠 형식입니다. 모든 산업 기사는 독자에게 유용한 뉴스, 기술 전문 지식 또는 이야기를 제공하기 위해 엄격한 편집 지침을 따릅니다. 업계 기사에 표현된 관점과 의견은 파트너의 것이며 반드시 All About Circuits 또는 해당 작성자의 의견은 아닙니다.