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
C++
python
java
语言掌握
linux
安卓系统
ios
平台
cmake
VM
visual studio
java studio
工具
编程
支持浮点运算
开发简单
易于移植
优点
计算能力弱
资源竞争导致性能波动
功耗高
缺点
计算量不大或不太需要做矢量处理
实现方式:Neon+多线程
合适场景
CPU
算力强
支持向量化处理
并行线程多
UI渲染资源竞争导致性能抖动
计算密度高,逻辑简单的算法实现
实现方式:OpenCL/OpenGL
GPU
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
开发难度搭
计算量大或性能瓶颈特定加速
实现方式:DSP专用指令集
DSP
专用的神经网络加速
功耗比GPU/CPU低
处理时间量级提升
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
必须使用神经网络的时候
NPU专用推理框架
NPU
移动端芯片情况
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
2.常规深度学习模型移植
可以应对常规神经网络模块
1.传统图像处理(依赖第三方图像处理库)
可以应对常规图像处理模块
CV路线
opencv
NCNN
基于第三方库
CV
ML
数据结构与算法
自研模块
算法
Intrinsic
ARM-Neon
OpenGL
Vulkan
HVX
VPU
指令集
tensorFlow Lite
苹果Core-ML
Quantized-CNN
深度学习移动端框架
移动端CV技术路线
0 条评论
回复 删除
下一页