即刻开启适合您的开发平台
邀请函致FPGA开发者和爱好者们：如今，数据中心、云计算和边缘计算市场的蓬勃发展、AI、5G和自动驾驶等领域的兴起，FPGA凭借执行效率更高，延时和能耗更低的优势，在这些领域大显身手。赛灵思作为 FPGA、可编程 SoC 及 ACAP 的发明者， 在业界提供了最动态的处理技术，一直受到FPGA开发者和爱好者们的拥护。为了更好的帮助更多开发者学习赛灵思软硬件技术，XILINX开发者社区即将为大家带来多场线下技术交流活动，并且提供免费的KV260硬件平台上手实践的机会。北京、上海、西安（待定）、广州（待定）率先开启报名！一方面帮助已经报名和申请过硬件的参赛者们进行面对面赛事辅导；另一方面赛灵思一如...
Xilinx Adaptive Computing Challenge技术讲解分享会与现场实践 ·上海站报名开启赛灵思2021自适应计算挑战赛自9月7日正式开赛以来，收到了来自全球各地区的FPGA软硬件开发者们的积极关注以及踊跃报名！通过挑战赛我们希望开发者能运用 Vivado 设计套件、Vitis 开发环境和 Vitis AI 统一软件平台发挥赛灵思自适应计算平台的强大功能，开启创新思路，解决实际问题。在赛事官方讨论区（Hackster.io Discussion Board) ， 开发者们对于本届大赛项目设计以及创新内容实施细节等相关问题的讨论也是此起彼伏，由于本次大赛使用全新的三款产品作...
数据中心、云计算和边缘计算市场的蓬勃发展、AI、5G和自动驾驶等领域的兴起，FPGA（现场可编程门阵列）凭借执行效率更高，延时和能耗更低的优势，在这些领域大显身手。 作为FPGA开发者，如果想要在这些领域展露头角，势必需要一个超强的"BUFF"加持，继2020年首届赛灵思自适应挑战赛完美收官后，今天，Xilinx携手Hackster.io再次发起挑战！考验开发...
请阅读 《Vitis AI加速GMSL摄像头人脸检测 - 第三部分》 DPU加速器创建 本教程中使用的 Vitis 加速器构建流程采用基本平台，利用 FPGA 加速器的各种赛灵思对象 (.xo) 文件中的链接，生成最终的 FPGA 二进制文件 (.xclbin)。本教程在 DPU 上使用单个 .xo。构建 DPU 加速器请运行make repos/Vitis-AI/DPU-TRD/prj/Vitis/binary_container_1/dpu.xo目标如下所示 ...
缘由现场可编程门阵列（FPGA）是一种灵活的硬件结构，从数字信号处理任务到高性能 I/O 再到可靠的安全关键组件，通常是嵌入式系统多个不同方面的必要组成部分。由于 FPGA 拥有强大的并行计算能力，它们也是实现图像处理应用的理想选择。如今，许多图像分析任务，如目标检测或图像分割等，都是通过神经网络方法实现的。这种方法在准确度上往往显著优于我们所熟知的经典图像处理算法。但是缺陷在于，卷积神经网络（CNN）通常对计算能力、算术运算和数据存储有严格的要求。由于 FPGA 上的资源有限，因此在 FPGA 上实现神经网络时，极为需要优化的架构和网络设计。为此，改进一般是通过问题驱动和目标驱动战略来实现的...
概览如果我们可以将 Alveo 卡资源抽象化将带来哪些优势？如果能查询计算资源并启动会怎么样？赛灵思资源管理 (XRM) 服务即可实现上述功能！这是具有一套基于赛灵思运行时 API 的一款管理器。利用 XRM，我们就能够同时运行多个应用，并通过灵活部署分享多个 Alveo 卡。 从 Alveo 卡资源池中配置计算单元 通过 XRM 可将一些 xclbin 预载入不同的卡中，随后应用可获取算法需要的硬件计算单元，用户无需关注将有哪个卡提供服务。XRM 的优势包括：•自应用中抽象物理卡，应用只管理计算单...
目标 医学 AI 正在成为现代医疗行业的重要组成部分。它可提高检测精度，降低成本，实现早期疾病预测并可大量采用非侵入性手段。在这方面，成像设备发挥着至关重要的作用。随着该领域应用的不断增加，与医学成像处理相关的 AI 创新及算法正在迅速发展。这些算法的硬件实现方案可显著改善效率和时延。赛灵思的全面堆栈深度学习 SDK、Vitis AI 以及自适应性极高的赛灵思 AI 平台可帮助医疗设备制造商及开发商快速针对这些高度发展的算法执行原型设计，最大限度减少上市时间和成本。此外，赛灵思平台的可重配置性也可为其产品提供更长使用寿命的实用程序。由于医疗影像的固有特征（分辨...
- 2021年12月13日 19:12
2021年12月5日，Xilinx AI团队核心成员严丹在首届“英特尔创新大师杯”深度学习挑战赛比赛通用场景中文OCR（Optical Character Recognition，光学字符识别）文本识别任务中，通过两阶段网络结构，融合基于分割和基于Mask RCNN的检测模型预测结果，在复赛测试集上获得75.34的高分, 取得冠军。
首届“英特尔创新大师杯”深度学习挑战赛是由阿里云联手英特尔主办，联合计算平台机器学习PAI以及达摩院、中文信息协会等组织机构联合承办，聚焦计算机视觉OCR领域以及自然语言处理方向的经典技术方向，通过三个实用场景向社会各界的开发者征集解决方案，其中“通用场景中文OCR文本识别任务”为该挑战赛赛道一，旨在通过一种通用的OCR算法，将不同现实场景和应用场景下的文字信息，转化为电子设备可以处理的文本信息。本次比赛，阿里云计算平台事业部的PAI团队提供了多个场景下的OCR数据集，包括：文本书籍、票据、广告信息等，均已存在标注信息。
在复赛阶段，训练数据集跟初赛的训练数据集保持一致，复赛测试数据集则在初始数据集的基础上新增了媒体数据(海报，手机广告等类型数据)，以考验模型的泛化性。该任务涉及到对中英文以及数字的检测和识别，面临文本紧凑，字符模糊，形状不确定，文本多朝向，环境噪声较多等问题。
Xilinx AI团队采用了两阶段的OCR网络结构，先通过检测网络预测出文本区域，然后通过文本朝向分类网络对文本区域进行朝向矫正，最后将矫正后的文本框输入识别网络中进行字符识别，从而得到文本框坐标和对应文本。
在文本检测方面，为了应对不规则形状文本和环境噪声较多等问题，团队尝试使用基于分割的单阶段检测网络和基于Mask RCNN结构的双阶段检测网络。这两个网络分别能在预赛测试集上可以获得13个点的精度提升，在复赛数据集上分别获得了72.69和73.92的测试分数。为了进一步提高精度，团队将两个检测网络输出的预测分数和对应识别分数相乘，作为NMS的输入评分，从而获得融合输出结果，该方案在复赛测试集上可以获得75.34的分数。
在文本识别方面，通用的中英文识别CRNN网络对于本次比赛数据集的识别精度较差，因此团队利用比赛数据集提供的文本框坐标，截取出文本区域，构成识别数据集，从而对通用CRNN网络进行微调，微调后的网络识别能力会有明显提升。最终团队在复赛和决赛中都取得了第一的成绩。
Xilinx AI团队服务于全球数据中心、自动驾驶、智能工业以及智慧医疗等近百家头部企业，打造了Vitis AI全栈式解决方案，覆盖AI处理器IP、编译器和软件工具链，通过服务客户落地项目，积累了基于Xilinx FPGA平台的百余重要算法模型及参考方案。与此同时，团队始终坚持前沿研究和客户需求双驱动，在AI算法方向保持原创动能，在面向云端和边缘端应用场景的目标检测、分割、识别、语音，及自然语言处理研发中投入大量资源，进而更好提升产品内核竞争力。
Xilinx致力为客户提供端到端的全流程极致优化方案，助力客户实现突破性的AI推断，给客户创造更出色的智能方案，获得客户和业内的高度认可。
Xilinx® Vitis™ AI 是Xilinx硬件平台上对边缘设备、Alveo卡及Versal卡上AI推理的全栈式解决方案。它包括优化的IP、工具、库、模型和示例设计，它的设计考虑了模型的高效率和易用性，充分发挥了Xilinx FPGA和ACAP上AI加速的潜力。
欢迎大家访问以下链接，尝试使用：
Vitis AI: https://github.com/Xilinx/Vitis-AI
AI Model Zoo: https://github.com/Xilinx/Vitis-AI/tree/master/models/AI-Model-Zoo/
- 2021年12月09日 19:12
- 2021年12月01日 19:12
- 2021年11月26日 19:11
- 2021年11月25日 19:11
- 2021年11月24日 19:11
- 2021年11月23日 19:11
杰出作者
-
查看
-
查看
-
查看
-
查看
-
查看
-
查看
关于赛灵思开发者社区
-
加入赛灵思开发者计划可以让您获得在所有赛灵思平台上成功构建应用所需的资源。
当您加入我们的免费计划时，您将可以使用最新的赛灵思开发工具来加速您在各个领域的应用，例如加速计算、人工智能和机器学习。这些核心技术正在引领包括高性能计算、5G、自动驾驶、机器人技术、智慧城市、工业、医疗在内的众多行业发生根本性变革。
此外，该计划还使您能够与赛灵思社区分享您的技术见解和项目！
-
联系邮箱developer@xilinx.com
-
赛灵思开发者社区：