ZYNQ

ZYNQ系列是赛灵思公司(Xilinx)推出的行业第一个可扩展处理平台,旨在为视频监视、汽车驾驶员辅助以及工厂自动化等高端嵌入式应用提供所需的处理与计算性能水平。该系列四款新型器件得到了工具和IP 提供商生态系统的支持,将完整的 ARM® Cortex™-A9 MPCore 处理器片上系统 (SoC) 与 28nm 低功耗可编程逻辑紧密集成在一起,可以帮助系统架构师和嵌入式软件开发人员扩展、定制、优化系统,并实现系统级的差异化。

Swift Navigation 提供精确到厘米的高精度 GPS 定位技术,例如用于自动驾驶汽车的 Piksi 多波段、多星群 GNSS 接收器。Xilinx 通过 Zynq SoC 的可重配置性帮助 Swift Navigation 构建更好的系统,其可更快速地便捷部署现场更新。

介绍一款基于Zynq的新型智能工业摄像头

作者:清风流云

背景:
早在2015年初EVT就公布过一款快速RazerCam智能照相机,这款智能摄像头是基于Xilinx Zynq SoC而设计的,不过这款摄像头最显然地是积极利用了Zynq SoC的接口灵活性功能,因为它能支持三种不同的CMOS图像传感器。下面介绍一款EVT近期推出的新型智能工业摄像头。

EyeCheck ZQ智能摄像头:

作者:stark

NI(National Instrument,美国国家仪器)公司推出的视觉开发模块大大方便了开发者开发和部署机器视觉相关应用,它提供丰富的功能,支持多个摄像头实时采集图像进而实现图像增强、特征检测、精密测量等处理操作。

图1:NI推出的视觉处理模块

图1:NI推出的视觉处理模块

视频:Megvii Face++ 面部识别

旷视科技是一家在全球舞台上崛起的中国初创型企业,其 Face++ 面部识别技术已在阿里巴巴和 G20 峰会等场所的监控应用中部署。Zynq SoC 是旷视科技摄像头的核心技术,能够以最低的功耗和成本最大限度地提高机器学习推断性能。

2017年10月24日,中国AI创业公司深鉴科技在北京举行盛大的2017新品发布会,面向如火如荼的AI应用集中推出五款基于赛灵思全可编程技术的自主研发的智能产品与深鉴深度学习开发软件DNNDK,强势参与人工智能领域软件、场景、数据战场的角逐,为更广泛的人工智能应用注入了强大的驱动力。

深鉴科技此次发布的五款产品包括深鉴科技的人脸检测识别模组、人脸分析解决方案、视频结构化解决方案、深鉴ARISTOTLE架构平台,以及深鉴语音识别加速方案。其中前四款均为视频监控应用平台及相关解决方案。(图1:深鉴科技CEO 姚颂发布基于赛灵思Zynq-7020 的DP-1200-F1 人脸分析和识别解决方案)

赛灵思公司FPGA 实现软件及SDx 应用副总裁Sudip Nag博士出席了深鉴科技的发布会并发言,展示了赛灵思与深鉴在深度学习领域良好而稳固的合作关系,对深鉴在FPGA领域的潜能及发展速度表示的肯定的同时,也表示深鉴科技紧密合作, 共同深耕深度学习市场, 推动更多基于深度学习的精彩应用。

全新升级上市的Zybo-Z7是一款功能强大丰富,开箱即用型的Xilinx Zynq-7000 APSoC 软硬协同嵌入式开发板。此次重磅上市的新版Zybo Z7,是对2012年发布的全球广受欢迎的口袋式Zynq评估板Zybo的一次新一代全面升级!

Opal Kelly公司推出面向FPGA模块的SYZYGY规范接口

作者:stark

我们在设计和使用各种开发板卡时都会遇到各种扩展接口类型,比如迪芝伦(Digilent)公司推出的Pmod接口、工业标准的FMC(FPGA Mezzanine Card)接口连接器等,选用不同的接口连接器类型会对信号的传输性能带来直接的影响。近日Opal Kelly公司宣布推出SYZYGY开放式I/O接口标准,它是在成本和性能都介于Pmod接口连接器和FMC接口连接器之间的一种接口类型,Opal Kelly打出的宣传语也是“Goldilock(刚刚好)”。(图1:Opal Kelly公司推出的基于Xilinx Zynq SoC的SYZYGY接口扩展板卡)

SYZYGY接口规范定义了两种形式的连接器:标准SYZYGY连接器支持28个单端阻抗控制信号传输,其中16个可以用于差分对接口标准(LVDS)信号,其管脚间距为0.8mm。收发器SYZYGY连接器支持四通道千兆级(Gigabit)收发器的数据传输,同时支持18个单端信号的传输,管脚间距0.5mm,收发器SYZYGY接口面向的是JESD204B数据采集、SFP+收发器等需要高速SERDES(串并转换)操作的场景。

基于Xilinx Z-7007实现Z-turn SBC简化版——Z-turn Lite

作者:清风流云

背景:
米尔科技的Z-turn 板卡实际是一个低功耗的高性能单板计算机(SBC),基于Xilinx Zynq-7010或Zynq-7020 全可编程SoC芯片实现。而Z-turn Lite是Z-turn板卡中的一个超低功耗的简化版本,下面将简单了解一下Z-turn Lite是什么样子的。

Z-turn Lite:

作者:清风流云

背景:
据了解,Pinnacle设计的Denali-MC IP目前已经可以在包括Xilinx的Zynq 7045 FPGA芯片在内的多款可编程芯片产品中实现,比如可以用在具有DSP和SoC+ DSP架构的产品中(包括TI和Qualcomm的相关产品)。还了解到Denali-MC monitor的ISP的核心是一个基于超级算法的内核,这个算法core不仅可以为HDR动作产品在图像补偿时提供最大可能HDR,还可以提供一个end-to-end的全相机ISP,而拥有这两个优势对于一个相机系统是十分有意义的,因为它们可以在相机试图捕捉一天中任何时间任何场景下的可用视频和最大可能识别视频点发挥重要作用。下面对Denali-MC的详细情况作一点简单说明。

Pinnacle Denali-MC:

FPGA也能做RNN

作者:琥珀

导言:循环神经网络(RNNs)具有保留记忆和学习数据序列的能力。由于RNN的循环性质,难以将其所有计算在传统硬件上实现并行化。当前CPU不具有大规模并行性,而由于RNN模型的顺序组件,GPU只能提供有限的并行性。针对这个问题,普渡大学的研究人员提出了一种LSTM在Zynq 7020 FPGA的硬件实现方案,该方案在FPGA中实现了2层128个隐藏单元的RNN,并且使用字符级语言模型进行了测试。该实现比嵌入在Zynq 7020 FPGA上的ARM Cortex-A9 CPU快了21倍。

LSTM是一种特殊的RNN,由于独特的设计结构,LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。标准的RNN可以保留和使用最近的过去信息,但是不能学习长期的依赖关系。并且由于存在梯度消失和爆炸的问题,传统的RNN无法训练较长的序列。为了解决上述问题,LSTM添加了记忆控制单元来决定何时记住、遗忘和输出。LSTM的单元结构如图1所示。其中⊙代表element-wise的乘法。

同步内容