コンピュータビジョン/画像処理ライブラリ「UncannyCV」：計測エンジニアリングシステム

高速Deep Learningライブラリ
UncannyDL

組込用プラットフォームでDeep Learning(CNN)を実現する高速画像認識ライブラリ

UncannyDLはARM Cortex-Aシリーズ向けに最適化したDeep Learning画像認識ライブラリーであり、アルゴリズムの最適化、独自のデータ管理手法、そしてARM NEONに特徴的な命令を有効活用してパフォーマンスの向上を実現し、組込みプラットフォームでのDeep Learning画像認識を実現しています。
アルゴリズムの最適化、独自のデータ管理手法、そしてARM NEONに特徴的な命令を有効活用してパフォーマンスの向上を実現し、組込みプラットフォームでのDeep Learning画像認識を実現と、Deep LearningとIoTの融合を可能にします。

Deep Learningとは

人間の脳の働きを模した学習モデルであるニューラルネットワークを活用する事で、画像、音声、文章などの高度な認識を実現する技術

長い歴史を持つ（40年以上）

多層を用いた人工ニューラルネットワーク（Deep = 多層）

画像に適応した場合はCNN（Convolutional Neural Network：畳み込みニューラルネットワーク）とも呼ばれる

認識対象の特徴を自動的に学習する

学習データは、多数の畳み込みフィルタとして構成される

今までのコンピュータビジョンアルゴリズムより、はるかに高いコンピュータ処理能力が必要とされる

畳み込みフィルタの処理は周期的なので、並列処理に適している

UncannyDLは高速で正確

あらゆる手法でアルゴリズムは最適化されています

Algorithm Optimization
アルゴリズの最適化

C Level Optimization
C言語レベルでの最適化

Neon Intrinsics
Neonの特性を活用

Assembly Coding
アッセンブラ化

Data Handling
データ管理の最適化
キャッシュの最適化

UncannyDLの画像認識例

スマートフォン（ARM A15、Android）での画像認識

● UncannyDLライブラリを搭載したスマートフォンアプリを使用
● 画像はスマートフォンのカメラで撮影
● 画像認識は全てスマートフォン内で行い、クラウドを含む外部処理は一切使用していません
● 認識処理は全てプラットフォーム内で行うので、通信不能な環境でも使用できます

UncannyDLがサポートする標準プロセッサとOS

ARMプロセッサ	オペレーティングシステム
高性能 Cortex A8 Cortex A9 Cortex A12 Cortex A15	Linux Android
低消費電力 Cortex A5 Cortex A7
V7-Aアーキテクチャでも可能