Neue Bilderkennung für Smartphones
Forscher an einer US-Uni haben ein Prozessordesign entwickelt, um mit Hilfe von "Deep Learning" Aufnahmen in großen Fotosammlungen zu erkennen – und das auch mobil.
Wissenschaftler an der Purdue University haben einen Mobilchip entwickelt, der auf das sogenannte Deep Learning aus der KI-Forschung spezialisiert ist, berichtet Technology Review in seiner Online-Ausgabe. Eugenio Culurciello und seine Kollegen konnten mit ihrem Prototypen zeigen, wie man komplexe Bilderkennungsaufgaben auch mit Hilfe eines einzigen Coprozessors lösen kann, der an den Prozessor eines Smartphones angeschlossen ist. Die Deep-Learning-Software kann Gesichter erkennen oder Teile von Straßenszenen etikettieren. Bei dem Coprozessor handelt es sich um einen FPGA-Chip. Diese Chips lassen sich in ihrer Verschaltung umkonfigurieren, um neue Prozessordesigns zu simulieren.
Zwar ist der Bilderkennungschip der Purdue-Forscher nicht so leistungsstark wie die Prozessorbatterie, die etwa Google für solche Anwendungen einsetzt. Aber er zeigt schon die Richtung, in der das Deep Learning eine stromsparende Bilderkennung ermöglichen würde. "Es gibt einen Bedarf hieran", sagt Culurciello. "Unter den Tausenden von Bildern in einer Fotosammlung werden manche nie wieder betrachtet. Und wir haben bisher keine gute Technologie, um die zu analysieren."
Beim Deep Learning werden Daten durch ein hierarchisches, viele Ebenen umfassendes Netzwerk aus simulierten Neuronen gefiltert. Jedes künstliche Neuron ist für sich genommen eine simple Struktur. Doch richtig verschaltet, können viele Neuronen ein sehr komplexes Verhalten an den Tag legen.
Der Purdue-Coprozessor ist nun auf einen solchen Netzwerk-Filter hin zugeschnitten, speziell auf die Verarbeitung von Bilddaten. In Testläufen verrichtete der Coprozessor diese Aufgabe 15 Mal effizienter als ein Grafikprozessor. Culurciello geht davon aus, dass das jetzige Design noch zehnmal effizienter umgesetzt werden kann.
Mehr zum Thema in Technology Review online:
(bsc)
