利用 Xilinx Vitis 加速 AI 相机开发
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？
