机械荟萃山庄

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 1898|回复: 0

堆栈为广泛的视觉导向机器学习应用铺平道路

[复制链接]

2万

主题

2万

帖子

17万

积分

超级版主

Rank: 8Rank: 8

积分
176425
发表于 2017-3-16 21:55:18 | 显示全部楼层 |阅读模式
All Programmable技术和器件的全球领先企业赛灵思公司(Xilinx, Inc.,NASDAQ:XLNX))推出Xilinx reVISION™ 堆栈,宣布将赛灵思技术扩展至广泛的视觉导向机器学习应用领域。reVISION™ 堆栈的推出进一步补充和完善了其近期发布的可重配置加速堆栈,大幅扩展了赛灵思技术在机器学习应用领域从端到云的部署。全新的reVISION堆栈能够支持更广泛的没有或者很少硬件设计专业知识的嵌入式软件和系统工程师,使其也可以使用赛灵思技术更轻松、更快速地开发视觉导向的智能系统。一旦将机器学习、计算机视觉、传感器融合和连接的优势融为一体,这些工程师将从中大受裨益。

reVISION 正在各类市场中实现一系列快速增长的应用,其中包括传统的高端消费市场、汽车、工业、医疗和航空航天与国防等, 还包括新一代应用如协作机器人、具有“感应和躲避”功能的无人机、增强现实、自动驾驶汽车、自动化监视和医疗诊断等。在这些市场中,差异化至关重要,系统必须具备最高响应速度、最新算法和快速的传感器部署,大约三分之二的视觉导向半导体应用属于这类市场。

reVISION 支持以最快速度打造响应最快的视觉系统,相比最具竞争力的计算嵌入式 GPU 和典型 SoC,将机器学习推断的单位功耗图像捕获速度提升了 6 倍,将计算机视觉处理的单位功耗帧速度提升了 40 倍,时延降低为 1/5。即便是没有硬件专业知识的开发人员也能通过结合使用 C/C++/OpenCL 开发流程、业界标准的框架,以及 Caffe 和 OpenCV 等库,用单个 Zynq SoC 或 MPSoC 芯片开发出嵌入式视觉应用。

借助reVISION堆栈所独具的可重配置性和任意连接优势,开发人员可以利用堆栈快速开发和部署升级。随着神经网络、算法和传感器技术和接口标准的不断加速发展,可重配置性对“适应未来”的智能视觉系统至关重要。

赛灵思 reVISION 堆栈包括平台、算法和应用开发所需的丰富的开发资源,可支持最流行的神经网络, 包括 AlexNet、GoogLeNet、SqueezeNet、SSD 和 FCN。此外,该堆栈还提供了库元素, 包括 CNN 网络层的预定义的优化型实现方案,这也是构建定制神经网(DNN/CNN)所必需的。机器学习元素配合丰富的满足加速要求的 OpenCV 系列功能用于计算机视觉处理。对应用层开发来说,赛灵思支持业界标准的框架,包括用于机器学习的 Caffe 和用于计算机视觉的 OpenVX。reVISION 堆栈还包括赛灵思及第三方提供的开发平台,诸如各种类型的传感器。

Eyetech Digital Systems 公司 CEO 兼创始人 Robert Chappell 指出:“我们的眼部跟踪科技采用 Zynq SoC 支持高清视觉分析功能,让 ALS 等各种瘫痪病人受益匪浅。新型reVISION 堆栈借助机器学习的力量为算法开发提供了各种新的机会。这必将支持我们进一步扩展我们的人机交互硬件产品,并提升我们核心眼部跟踪产品的价值。”

ARM细分市场营销高级总监Lakshmi Mandyam表示:“嵌入式市场是一个不断发展的应用领域,其中算法,神经网络和传感器的变化需要目标平台的可重构性。来自赛灵思的基于ARM®的Zynq技术能够有效地部署这些应用,同时加速创新型机器学习应用从端到云的广泛采用。”

赛灵思公司战略与市场营销高级副总裁 Steve Glaser表示:“我们从端到云看到来自机器学习应用领域的巨大兴趣,而且我们也相信赛灵思对堆栈开发持续的投入能加速主流应用。今天,成百上千的嵌入式视觉客户都借助赛灵思技术实现了性能和时延 10 倍以上的提升。新增 reVISION 之后,成千上万的客户也将受益于上述种种优势。”
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|小黑屋|手机版|Archiver|机械荟萃山庄 ( 辽ICP备16011317号-1 )

GMT+8, 2024-12-24 20:16 , Processed in 0.082156 second(s), 20 queries , Gzip On.

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表