【Xilinx 技术日上海站】现场演示,先睹为快

除了演讲, 赛灵思技术日有哪些现场演示?

此次技术日活动共有十多个演示,除了赛灵思自己的演示,还有赛灵思客户和合作伙伴的演示, 包括百度,旷视, 瑞为, 大恒,自行科技,华芯通+ARM 服务器, 目标应用惠及从云到端的各类创新应用。

下面就请小编先来秀一秀精彩的现场演示,一享网友们纷至沓来的好奇心吧!

1. EdgeBoard高性能终端计算卡
百度大脑EdgeBoard 是一款基于深度学习软硬一体化加速方案设计的计算卡,具备模型剪枝&量化加速工具,在实验室条件下,能将实验模型预测性能提升4倍以上。基于FPGA打造的高性能加速引擎,实测可提供2.4Tops的强大AI算力。完整的嵌入式参考设计,便于硬件产品的结构设计及二次开发。EdgeBoard可无缝衔接百度大脑开放能力与模型定制平台,AI硬件产品通过集成EdgeBoard,可大大提升终端设备AI推理能力,使产品具备无限拓展可能

2. 智能视频分析盒
旷视科技MegBox B2R是一款以单片Zynq-7020作为神经网络核心计算加速单元的智能视频分析盒。可接入4路1080p视频流,人脸抓拍率达到99.5%,人脸识别率达到99%;支持每路单帧大于30人同时并发的人脸抓拍识别;支持人脸性别、年龄等属性分析;支持车牌识别功能。主要用于摄像头改造升级、综治、车辆、安防、商业或通行场景。

3. 动态人像大数据研判平台
动态人像大数据研判平台是北京智慧眼、华芯通半导体与科通共同推出的城市道路监控预警解决方案。在系统的特征数据处理上,采用了华芯通基于ARM的StarDragon 4800 CPU和Xilinx FPGA协同处理架构。可以提供多路视频接入、实时动态识别、实时报警推送、路人库检索、视频检索、以图搜图、轨迹分析、统计分析等功能。

4. Xilinx 机器学习套件
Xilinx 机器学习(ML)套件运行于赛灵思 Alveo 数据中心加速卡上,为用户提供了开发和部署机器学习应用进行实时推断所需的工具。它支持许多常见的机器学习框架,如 Caffe、MxNet 和 Tensorflow,以及 Python 和 RESTful API 等。

5. 高性能前装DMS/ADAS融合方案
本演示展示国内首款基于深度学习技术的驾驶员监控系统(DMS),可实现身份识别、疲劳检测、注意力检测、不良行为检测、视线追踪;以及ADAS多道路目标(车辆、行人、交通标志)检测、语义分割(多车道线检测与可行驶区域识别)、视觉与雷达深度融合。

6. PALLAS 智能相机
PALLAS智能相机是一款具有高分辨率、高清晰度、低噪声、外观小巧,应用领域广等特点的相机。本次系统展示了在训练一个模型后,可以对其他具有相似特征的物体进行定位识别及测量,并显示正确的测量结果。亦可以对其他有缺陷的物体进行筛选的功能。该系统不需要代码编写,可快速搭建。适用于工业检测,安防,医疗等领域。

7. Alveo 上的机器学习和视频转码
机器学习演示:Xilinx ML Suite可优化和部署加速型ML推断,支持常见的机器学习框架,如Caffe、MxNet 和 Tensorflow。

视频转码演示:NGCodec高性能视频转码视频压缩方案,可实现硬件加速视频流转换为HEVC、VP9格式。

8. 2.5G MIPI传输方案
本演示基于赛灵思 GTH 器件,利用该器件来实现 MIPI DPHY 层的功能,通过 NWL 或安富利的 MIPI CSI-2/DSI 控制器实现协议层功能。 最高可支持到 4K@30fps,4路 MIPI CSI-2信号输入,以及 1920x1200@60Hz MIPI DSI 信号输出。目标平台是 AVNET 2.5G MIPI FMC kit 与 Xilinx KCU105 Kit

9. 自动车牌识别
演示基于赛灵思 Deephi DPU,运行于Avnet Ultra96 开发板,采用自定义深度学习网络对行驶车辆进行自动车牌的识别,可应用于道路交通等领域。支持 Tensorflow 框架,MMdnn 框架转换等。

10. 新零售智能相机
瑞为技术,成立于2012年,是最早一批将人脸识别应用于实体零售门店的公司。早在2014年,瑞为针对线下实体零售研发出智慧商铺解决方案,通过“店计”、“晓客”等智能硬件产品,以及云端强大的零售数据分析系统“店客云及”等,帮助线下零售门店实现客群/商品/热度/购买精准分析,让商品设计、门店陈列、店员服务更贴合目标客群。

11. 融入Python生态的Zynq软硬件框架
Pynq是Python Productivity for Zynq的缩写,这是一套在Zynq上快速部署的开源软硬件框架,让不需要懂Verilog/VHDL硬件编程就可以享受FPGA可并行计算、接口可方便扩展和可灵活配置带来的诸多好处。在Pynq开源社区中已经提供了上百个预生成的软硬件Overlay。Pynq框架也同时也支持RTL, Vivado HLS等开发流程。本次演示包括了两个demo,在RFSoC单芯片上完成数据采样,以及利用Python进行数据分析和显示。以及利用Pynq框架快速部署AWS Greengrass 边缘计算框架。

12. 单芯片 8 通道视频监控AI方案
本演示主要实现了4路人脸检测,4路车辆结构化。通过在单芯片ZU7EV上部署了人脸检测/车辆检测/行人检测/非机动车检测/车辆跟踪等算法,实现平均单路性能12fps。帮助客户的不同场景提供高效高度集成的视频结构化方案。

13. 面向ADAS图像识别的深度学习
通过部署在ZCU102 B4096DPU Dual-core 同时实现4种不同的应用场景。分别是:人脸检测;人体检测;人体及14个关键点检测;自动驾驶前视场景分割和检测。该方案主要针对自动驾驶应用场景,提供集成化多样化的场景应用可实现车内的人脸检测识别,行为识别,车外车辆和行人检测,信号灯检测识别等。

看到以上的产品演示还想报名的同学赶紧扫描下方二维码报名了!!!

推荐阅读