基於NXP i.MX8QM的AI影像辨識與車輛識別方案

現今自動化駕駛以及輔助駕駛越來越普遍化的情況下,對於edge computing的需求也越來越提升。
如何幫助客戶開發AI應用程式成為新的課題。

品佳在去年提出了eIQ edge運算的解決方案,詳細請參考:
https://www.wpgdadatong.com/tw/solution/detail?PID=5260

今年2020,在此介紹新的eIQ 2.0,大幅提升了效率以及各類使用方式。
此方案基於NXP 原生 BSP 5.4.24_2.1.0做開發,加入Python的元素,並且可使用GPU/NPU做AI 類神經網路的運算,使得效率以及應用場景皆更完整。                                                                                                                                          
首先使用pip安裝python壓縮包:

使用影像識別的範例為: 以經典圖片grace_hopper.bmp做分別:
2019年初版eIQ: 
Inference time約需330ms.

2020年eIQ2.0 (PyeIQ):

可以看出以GPU運算的能力, 相同使用 mobilenet model, 使用TensorflowLite只需要約10ms, 速度及效率快上30倍!!
另外eIQ2.0提供即時影像輸入以及視頻辨識的功能:


使用台灣實景街道拍攝的影片做物件識別的專案
可以看出i.MX8QM實測效能為30ms。

此方案提供下列NNAPI表供各個平台以及演算法做開發




此方案整合各家不同演算法並提供對應的API供客戶做開發使用。
並且搭配上i.MX8QM 4核A53+2核A72+2顆內包GC7000XSVX GPU,可以做到利用GPU運算AI以及圖像技術,且穩定提供系統資源。
目前已有數家客戶以此方案開發車用市場的應用。

品佳FAE團隊將以此方案為基礎,協助所有客戶開發相關AI領域的應用。

場景應用圖

sceneryUrl

方案方塊圖

funcUrl

核心技術優勢

1. Automotive Gade, ASIL-B 2. 16x Vec4-Shader GPU, 32 compute units OpenGL® ES 3.2 and Vulkan® support Tessellation and Geometry Shading 3. 2xARM A72 core + 4 A53 core 4. MIPI CSI可同時接入兩個高清攝像頭 5. 品佳提供跨平台(PC to I.MX)的ML(Machine Learning)應用程式

方案規格

Python 3.7 TensorFlow 2.1 TensorFlowLite 2.1 OpenCV 4.2.0 ArmNN 19.08

相關影片

車輛偵測實境展示

使用Tensonflow Lite實際測試即時路況做車輛辨識的影片