Xilinx AI 方案与资源更新一览（二）

由 demi 提交于周一, 16 九月 2019 - 10:33

接上文：<a href="http://xilinx.eetrend.com/content/2019/100045001.html">Xilinx AI 方案与资源更新一览（一）</a>

全新成功案例

百度将赛灵思 ZU5 用于 Apollo ACU Advanced

百度在 2019 年 7 月于北京举办的年度 AI 开发者大会上推出用于自动代客泊车 (AVP) 的 Apollo ACU Advanced。

产品特性：
<ul><li>赛灵思车规级 ZU5 SoC</li>
<li>与百度 PaddlePaddle 框架兼容 </li>
<li>8 部摄像头，12 部超声波雷达</li>
<li>-40~85℃ 的工作温度范围</li>
<li>ASIL-D FuSa 级</li>
<li>完全支持AUTOSAR</li></ul>

AVP 应用需要先进强大的深度学习推理能耐来处理复杂的驾驶环境，这使我们要应对下列主要设计挑战：
<ul><li>用于快速算法升级的敏捷迭代</li>
<li>用于感知的多个不同帧率 (5/10/30Hz) 的视频源</li>
<li>多个算法，包括 CNN 算法和基于规则的算法</li>
<li>针对分类、检测、识别、分割等不同任务的多个低层次运算符</li></ul>

通过与赛灵思密切合作，采用大量的创新软硬件协同优化技术，充分发挥赛灵思 SoC 的功能，包括：
<ul><li>动态量化</li>
<li>具备 Supertile 功能的脉动阵列</li>
<li>异构计算分配</li>
<li>多线程并行异构计算</li>
<li>FPGA 定制计算分配</li>
<li>灵活的帧率分配</li></ul>

这在由赛灵思提供支持的 AI 推理领域，是技术与工程创新的出色范例！

产品和方案更新

演示与示例设计新闻

目标与姿态检测演示

该高性能对象与姿态检测演示采用赛灵思 AI Model Zoo 发布在 Github 上的两个即用型模型（https://github.com/ Xilinx/AI-Model-Zoo）：

1. OpenPose，使用公开数据集训练，并通过赛灵思 AI 优化器进行进一步优化 (https://www.xilinx.com/member/ai_optimizer.html)

2. MobilenetV2-SSD (480*360)，使用公开数据集训练，无剪枝。

该演示在 Ultra96 和 ZCU104 上都进行过测试。在 Ultra96 上的运行结果显示如下：

通过初始软件优化，并且在 Openpose 模型的精度和输入大小之间进行权衡取舍，我们能够实现下列端到端性能：

• 使用 480*360 MobilenetV2-SSD 和 128*128 Openpose，在 Ultra96 上实现 18 FPS

• 使用 480*360 MobilenetV2-SSD 和 136*136 Openpose，在 ZCU104 上实现 24 FPS

进一步优化将重点解决已知的瓶颈，包括 Mobilenetv2-SSD 和 OpenCV Gaussian 的预处理以及 OpenPose 的后处理中的缩放功能。

如需了解有关本演示的更多信息，请联系您的赛灵思代表。