從電腦視覺可見到的光明未來

受惠於 CMOS Image Sensor (CIS) 與標準 CMOS 製程的高度相容，以及 Convolutional Neural Network (CNN) 的算法輔助，得以實現具有智能的電腦視覺元件。

電腦視覺可以應用在以下：

• 安防：門禁監控、犯罪預防，人員追蹤
• 醫學：人體掃描建構出 3D 影像
• 汽車：輔助駕駛
• 消費性：手機、相機、虛擬實境 (Virtual Reality)
• 體育/遊戲：動作特效，和電影電視內容
• 機器人與視覺：自動化、定位、瑕疵檢測、無人機
• 零售：客戶追蹤，購買行為分析
• 農業：穀物檢視，播種和土地辨識整治

每個應用的市場產值預測分別如下：

電腦視覺市場的興起與問題

電腦視覺市場的興起可以歸功如下：

• CNN 算法的成熟
• 無線上網到處可用
• 頻寬日益增加
• 大量資料的儲存空間
• 大量的影像資料庫，可供演算法訓練
• 開源演算法充足先進
• 平行運算可由異質資源整合組成

電腦視覺的主要問題有二：

• 100% 的精確度不存在
• CNN 非常消耗 CPU、GPU 資源，不容易 on board 做成手機，或是無人機的應用。

Google、IBM、Intel、SalesForce、NVIDIA、Samsung 紛紛入主 AI 公司，積極布局。其中NVIDIA 布局AI腳步最快，GPU 同步重覆運算能力適用於 AI 深度學習；Intel 先後併購 Nervan System、Mobileye、Movidius、Altera 及 eAsic 等 AI 相關公司；Google 推出 AI 晶片 TPU (Tensor Processing Unit)，提供客製化 ASIC 的算法程式庫；Microsoft 則推出基於 FPGA 的視覺 AI 晶片。

High Level Synthesis (HLS) 高階合成

應用 GPU 做為微處理器的問題有三：

• 非常耗能
• 不可重構 (re-configuration)

所以 FPGA 以及 embedded FPGA 興起，待市場需求明確量大，算法穩定之後，再實現客製化特殊應用晶片 (Custom ASIC) ，需要進行數位晶片設計。

電腦視覺的演算法複雜，開發者喜歡使用 C++，而不是 RTL code，如：Verilog 和 VHDL。利用 HLS 以 C++ 來開發，可以方便嘗試不同的演算法，或是演算法不變，但是 constraint 以及 directives 變動，譬如，因應 clock speed 改變，來產生新的 RTL code。

如果不用 HLS 而以 RTL 開發，就不可能做到上述的設計流程。

小結

CMOS 相容的 CIS 製程以及 CNN 演算法讓電腦視覺元件成為現實，HLS 可以讓開發者專心於演算法，不受制於 RTL 設計方法。

電腦視覺是新創公司的機會，根據不同的應用場景，利用 HLS 以 C-model 設計演算法產生出 RTL code， 可實現 FPGA，當市場需求明確，可實現客製化 ASIC，降低功率消耗，可以裝置在行動裝置上，如手機、無人機上。