UPGRADE YOUR BROWSER

We have detected your current browser version is not the latest one. Xilinx.com uses the latest web technologies to bring you the best online experience possible. Please upgrade to a Xilinx.com supported browser:Chrome, Firefox, Internet Explorer 11, Safari. Thank you!

利用 Xilinx Vitis 加速 AI 摄像头开发

在网络培训、大数据和 ML 研究三方面快速发展的推动下,所谓“深度学习”正迅速成为主流。这种说法在嵌入式视觉应用中体现得最为明显,其最终目的是教会机器“领会”。嵌入式视觉应用的范围似乎是无穷无尽的,从确保生产线零缺陷的机器视觉摄像头,到监控交通、检测盗窃和灾难的杆装“智慧城市”摄像头,再到将您在网上购买的东西直接送到家门口的机器人,无所不包。 然而,卷积神经网络 (CNN) 推断计算成本极高,每次推断都需要数十亿次运算。此外,许多关键应用还需要极低的时延,而且还必须支持极高的帧速率。 鉴于这些限制以及对不足 10W 功耗、高可靠性、安全性和长时间产品使用寿命的需求,我们怎样才能设计出能够提供所需 ML 推断性能的集成式摄像头?

在本次网络研讨会上,我们将从不同的角度探讨这个主题:

  • CNN 推断的重要挑战是什么?
  • 需要什么水平的性能,什么样的性能才可行?
  • 我们如何利用支持 Vitis 的 Xilinx MPSoC 器件加速 CNN 推断?
  • 嵌入式视频编解码器在 MPSoC 器件系列中的功能和优势是什么?
  • 有哪些方法可用于整合图像传感器流水线?
的页面