人脸辨识守得云开,接下来就是GPU的舞台

时间:2016-01-20 13:17:29 来源:新电子 有0人参与

更多

人脸辨识应用将驱使绘图处理器(GPU)重要性大增。手机处理器开发商正全力提升GPU运算效能,其背后驱力除了虚拟实境和扩增实境等影像模拟应用日趋火热外,人脸辨识亦是不容忽视的另一股力量,尤其是近期苹果(Apple)传出收购美国新创公司Emotient,跨足人脸表情与情绪辨别技术领域,势将让GPU在处理器中扮演更重要的角色。


安谋国际(ARM) 移动通讯暨数位家庭资深市场经理林修平表示,行动处理器中的GPU未来的功耗和效能会越来越好,现在4K的内容和显示器已越来越普遍,所以对于GPU的效 能或功耗都是非常大的挑战,为支援4K影像应用,GPU性能一定要能支援4K或4K以上,而若要满足虚拟实境或是更高阶的应用,性能就须再向上攀升。

另外,用GPU来做运算的发展趋势也愈来愈明显,现在已经慢慢看到这样的应用出现。林修平进一步指出,有些DSP的演算法可以做平行化处理,这样的演算法 用GPU来运算会比用CPU效能更好且更有效率,像是深度学习(Deep Learning)和人脸辨识,这也是ARM看到未来有潜力的应用。

事实上,人脸辨识的功能2015年就已有一些装置展示,而这只是一个开端,类似的应用未来会越来越多。除了人脸辨识,语音辨识也会慢慢出现;以往手机都是按密码解锁,未来使用者只要对手机说话或者看着手机,就可以透过声纹或脸部特征辨识自动解锁。

林修平解释,人脸辨识的演算法可以平行化处理,因为它是用神经网络的方式来做运算,所以可以把演算法同时丢到好几颗运算单元做处理,GPU就是有这样的特性,可以同时处理很多的工作。

事实上,ARM目前正戮力推动的异质系统架构(HSA),即有助未来人脸辨识等先进视觉应用的发展。林修平分析,GPU和CPU的特性不一样,CPU处理 速度快,具有即时处理的能力,而GPU处理速度相对较慢,但它可以同时处理大量的运算。上述的人脸和语音辨识,或者影像编解码串流,就很需要大量平行化处 理,此时用GPU来做会比较有效率。所以这些应用也将驱动HSA持续演进。

针对此一发展,ARM除可提供CPU和GPU的矽智财(IP),以及相关的软体或驱动程式(Driver)给客户外,亦可协助客户进行上层应用的整合。