2020 年之后的边缘视觉 SoC

在极限边缘启用 DNN：在电路、架构和算法调度领域协同实现优化

荷兰天主教鲁汶大学副教授兼比利时微电子研究中心科研总监 Marian Verhelst 

深度神经网络推理采用极其复杂的计算方式，因而通常只能在能耗高的服务器或 GPU 平台上执行。在边缘和极限边缘设备上进行嵌入式神经网络处理已成为最新趋势，因而必须实现彻底的跨层优化。了解如何优化 NPU/TPU 处理器架构、数据流调度器和量化神经网络模型，以优化延迟和能效。 

自动驾驶汽车传感器融合：策略、方法和权衡

渥太华大学电气工程和计算机科学学院教授 Robert Laganiere

了解智能汽车使用的各种传感器的优缺点。了解可用于合并异构传感器数据的主要传感器融合策略，以及感知系统中可以应用的三种主要融合方法：早期融合、晚期融合和中期融合。

边缘应用中嵌入式视觉和 AI 的趋势

Synopsys 研发总监 Pierre Paulin

由于 1) 计算和内存需求巨大，而且 2) 执行现代视觉和传感任务的算法创新速度不断加快，所以将计算机视觉和深度学习嵌入到边缘仍然面临挑战。敬请了解边缘应用中机器学习的最新趋势，包括 EfficientNet 等新兴模型和转换器等新技术。了解关键的挑战和机遇，并特别关注带宽优化领域。

提早准确估算智能视觉 SoC 的功耗

Synopsys 研发经理 Derya Eker

当今的高端 SoC 需要处理日益增长的计算密集型工作负载，但同时必须谨慎权衡功耗与性能。为了优化功耗和性能，软硬件开始更加紧密地结合在一起。了解设计人员在整个开发过程中必须考虑的关键架构选择，例如软硬件工作负载划分，以及何时估算功耗权衡以获得最准确的结果。

适用于自动驾驶汽车的安全保护 SoC 架构

Synopsys 研发总监 Fergus Casey

先感受软件/硅视角中的行人，再感受整个场景，从而全面了解 SoC 设计人员和 OEM 在开发自动驾驶汽车时面临的挑战。了解在实现自动驾驶的道路上，行业和每个芯片设计必须达成的关键里程碑及其达成标准。