あの「Intel Movidius Myriad VPU」を採用!!

リアルタイム画像認識を実践!! UP square + AI Coreでディープラーニング推論

　前回にあたる「まだ知らないの!? UP square + AI Coreでディープラーニング推論を学べ!」では、深層学習の概要やIoT機器に取り入れる際の課題、そしてAAEON製の「UP2」（UP Square）と「UP AI Core」を紹介した（日本国内では、V-net AAEONが販売）。

AAEON製の「UP2」（UP Square）

ディープラーニング“推論”用アクセラレーター「UP AI Core」

　今回はUP squareとAI Coreを使い、Webカメラを用いてリアルタイム画像解析を行なう深層学習のサンプルプログラムを実際に動かすまでの手順を紹介してみたい。

AAEON製小型コンピュータボード「UP2」（UP Square）

　AAEON製の「UP2」（UP Square）は、Intel製のプロセッサーを搭載した小型コンピュータボードで、サイズは85.6m×90mmのほぼ正方形。Raspberry Piとの互換性を備える40ピンヘッダー、mini PCIeスロット（SATAスロットとしても使用可能）、E-Key用のM.2スロットを備えている。

　CPUはCeleron 3350N、Pentium N4200、Atom E3940の3種類から選択が可能で、ストレージとしてはボード上にeMMCを搭載する。メインメモリーは2GB／4GBで、ストレージ容量は32GB、64GB、128GBの3種類から選択が可能だ。

ディープラーニング“推論”用アクセラレーター「UP AI Core」

　「UP AI Core」は、旧Movidiusが開発し、現在はIntelが手がけている深層学習用アクセラレーター「Intel Movidius Myriad VPU」を搭載する製品だ。

　Movidius Myriad VPUは、2基の汎用32ビットCPUと、VLIW仕様の12基の「SHAVE Vector Processor」、ハードウェアベースの画像処理プロセッサーを集積したLSIとなっている。SHAVE Vector Processorは深層学習に最適化されており、センサーやカメラから取り込んだ環境データから、深層学習を用いて推論を高速に実行できる。エッジコンピューティング用として最有力の存在で、圧倒的なシェアを持つ大手ドローンメーカーDJIのミニドローンでも採用済みだ。

AAEON「UP AI Core」の主なスペック
SoC	Intel Movidius Myriad 2 VPU 2450
対応フレームワーク	TensorFlow、Caffe
フォームファクター	Mini PCI-Express
サイズ	51×30mm
対応OS	Ubuntu 16.04TLS（x86_64）以降
対応ハードウェア環境	mPCI-Eスロット搭載、1GB以上のメモリー、空き容量4GB以上のストレージ

AAEON「UP2」（UP Square）の主なスペック
CPU	Intel Celeron N3350（1.1GHz-2.4GHz）／ Intel Pentium N4200（1.6GHz-2.5GHz）／ Intel Atom x5-E3940（1.6GHz-1.8GHz）
メインメモリー（最大）	2／4／8GB LPDDR4
グラフィックス機能	Intel HD 500 Graphics（Celeron N3350、Atom x5-E3940）／ Intel HD 505 Graphics（Pentium N4200）
ストレージ	32／64／128GB eMMC
LAN機能	有線LAN（1000BASE-T、Realtek RTL8111G）×2
インター フェース	HDMI 1.4b、DisplayPort 1.2、eDP、USB 3.0（Type-A）×3、USB 2.0（10ピンヘッダー）×2、USB 3.0 OTG（Micro-B）、mini-PCIe、M.2（2230）、SATA3
カメラ	MIPI-CSI2（2-lane、4-lane）
I／O	40ピンヘッダー、60ピンEXHAT
RTC	搭載
電源	5V DC-in（6A） 5.5/2.1mm端子
本体サイズ	85.6×90mm
対応OS	Windows 10（64bit）、Linux（ubilinux、Ubuntu、Yocto）、Android Marshmallow