AI简报20210806期地平线征程5车载AI芯片发布PaddleOCR新发版v2.2

Posted 2021-09-03 RT-Thread物联网操作系统

AI芯片

地平线征程5车载AI芯片发布：算力可达128 TOPS

原文:

https://www.cnbeta.com/articles/tech/1159563.htm

车载AI芯片是人工智能行业的珠穆朗玛，也是自动驾驶实现大规模落地的前提。不少企业纷纷布局，这其中就包括特斯拉和NVIDIA，而在国内企业方面，地平线走在最前列。7月29日，国内汽车智能芯片科技企业地平线正式发布了全新一代车规级产品——征程5芯片，而基于该芯片打造的全场景整车智能解决方案和全场景整车智能计算平台也同时发布。

随着征程5系列的推出，地平线已成为唯一覆盖L2到L4的全场景整车智能芯片方案提供商。据悉，征程5芯片AI性能跑分更强，超越Nvidia Orin，是国内唯一支持快速量产的整车智能计算平台芯片。

中国最大的AI芯片发布，拿下4项国内第一

原文: 

https://www.ofweek.com/ai/2021-07/ART-201721-8220-30508733.html

在2019年的时候,国外企业Cerebras推出了一款尺寸最大的AI芯片—WSE,采用16nm工艺,其中包含1．2万亿个晶体管,面积达到了46225平方毫米,面积相当于麒麟9000的462倍(华为麒麟9000大约为100平方毫米大小)。

而在今年4月份,这款AI芯片升级了,变成了7nm工艺,面积还是46225平方毫米,不过工艺提升之后,晶体管更多了,变成了2．6万亿个晶体管了。

DSA架构的AI推理芯片完胜GPU？

原文:

https://www.leiphone.com/category/chips/2NHM9jDdB6f8O796.html

伟达GPU在AI领域的成功引来了大量的挑战者。在国外，云端芯片初创公司几乎都采用DSA（Domain Specific Architecture，领域专用架构）挑战英伟达，比如已经被英特尔收购的Habana Labs。在国内，也有多家初创公司用GPGPU的架构研发AI云端芯片。

“用相同的架构竞争，专利就是一个问题。DSA是不同的道路，特别在云端AI推理方面，DSA可以完胜GPU。” 瀚博半导体创始人兼CEO钱军解释了创业前的技术路线思考。

“GPU在推理侧不是最好的架构，我们更好的DSA架构，能够在云端推理市场完胜GPU。”钱军表示。

AI热点

在CUDA的天下，OpenAI开源GPU编程语言Triton，将同时支持N卡和A卡

原文:

https://www.jiqizhixin.com/articles/2021-07-29

代码地址：

https://github.com/openai/triton

OpenAI 开源了全新的 GPU 编程语言 Triton，它能成为 CUDA 的替代品吗？

过去十年中，深度神经网络 (DNN) 已成为最重要的机器学习模型之一，创造了从自然语言处理到计算机视觉、计算神经科学等许多领域的 SOTA 实现。DNN 模型的优势来自于它的层次结构，这一特征导致其计算量巨大，但也会产生大量高度并行化的工作，特别适合多核和众核处理器。

深度学习领域的新研究思路往往是结合原生框架 operator 来实现的，这种方法虽然方便，但需要创建或移动许多临时张量，因此可能会造成神经网络的性能损失。编写专门的 GPU 内核或许可以解决这个问题，但 GPU 编程的确是一件相当复杂的事。

领先神经网络，超越人类：朱松纯团队提出首个基于符号推理的几何数学题求解器

原文: 

https://mp.weixin.qq.com/s/4KbQXiXZmRa2aCeUl98gEw

论文链接：

https://arxiv.org/pdf/2105.04165.pdf
代码链接：

https://github.com/lupantech/InterGPS
项目主页：

https://lupantech.github.io/inter-gps

实现高级别的数学逻辑推理能力一直是通用人工智能追求的目标之一。近日，UCLA 联合浙江大学和中山大学的研究者提出了首个基于符号推理的几何数学题求解器 Inter-GPS。Inter-GPS 将几何题的图片和文字解析为统一的形式语言，运用相关的几何定理，逐步进行符号推理直至预测出最终的答案。Inter-GPS 实现了 57.5% 的准确率，远超神经网络方法的 33.0% 的准确率。

几十年来，如何让人工智能算法具备复杂的数学推理能力，像人类一样求解各种数学题，一直是科学家们追求的目标。其中，求解几何数学题就是一项非常具有挑战的任务。求解几何题，算法需要理解题目的文字和图形信息，识别丰富的几何元素和关系，运用相关的几何定理，完成一系列的数值计算，直至求解出最终的问题答案。

最快圈速，算法控制无人机首次战胜专家级驾驶员，登上Science Robotics

原文: 

https://mp.weixin.qq.com/s/4KbQXiXZmRa2aCeUl98gEw

论文链接：

http://rpg.ifi.uzh.ch/docs/ScienceRobotics21_Foehn.pdf

苏黎世大学研究人员开发了一种新算法，让自主飞行的四旋翼飞行器计算出充分考虑无人机局限性的时间最优轨迹，并首次在无人机竞赛中胜过两名人类驾驶员。

对于工业用途的无人机来说，由于电池续航有限，它们必须在尽可能短的时间内完成任务，比如在灾难现场寻找幸存者、检查建筑物、运送货物。在此类任务中，无人机必须通过一系列航点（如窗户、房间或特定位置）进行检查，在每个路段采用最佳轨迹和正确的加速或减速。顶尖的人类无人机驾驶员在这一方面有着丰富的经验，并在以往的无人机竞赛中表现均优于自主飞行系统。

开源项目分享

AI Studio 精品项目 | 基于Keypoint模型下的人体关键点检测

原文:

https://mp.weixin.qq.com/s/_O-Hbl2c23qp89DIZnKH8Q

AI Studio项目地址：
https://aistudio.baidu.com/aistudio/projectdetail/2132652
PaddleDetection地址：
https://github.com/PaddlePaddle/PaddleDetection
Keypoint中文文档地址：
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/configs/keypoint/README.md
PP-YOLO中文文档地址：
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/configs/ppyolo/README_cn.md

本次给大家带来的是基于Keypoint模型下的人体关键点检测，由Alchemist_W供稿，本项目是基于PaddleDetection套件使用COCO2017数据集对人体关键点进行检测以实现对人的关节点活动动作的捕捉。利用Top-down与Down-top两种方式实现模型训练及其推理。在训练过程中使用了PP-YOLOv2训练的Det检测器和HigherHRNet关键点检测器，以提高质量和效果。

PaddleOCR新发版v2.2：开源版面分析与轻量化表格识别

原文:

https://mp.weixin.qq.com/s/mpSdV2_rk3SPlwPpcoUCdA

项目地址:

GitHub:
https://github.com/PaddlePaddle/PaddleOCR
Gitee:

https://gitee.com/paddlepaddle/PaddleOCR

时隔数月之后PaddleOCR发版v2.2，又带着新功能和大家见面了。本次更新，为大家带来最新的版面分析与表格识别技术：PP-Structure。核心功能点如下：

• 支持对图片形式的文档进行版面分析，可以划分文字、标题、表格、图片以及列表5类区域（与Layout-Parser联合使用）

• 支持文字、标题、图片以及列表区域提取为文字字段（与PP-OCR联合使用）

• 支持表格区域进行结构化分析，最终结果输出Excel文件

• 支持Python whl包和命令行两种方式，简单易用

• 支持版面分析和表格结构化两类任务自定义训练

---

---

???????????? 点击阅读原文进入官网