Ваш город Эль-Монте?
Да
Нет, выбрать свой

Классификации изображений – сложная и ресурсоемкая задача, для решения которой часто используются нейронные сети. Чтобы решить ее в реальном времени, требуется высокопроизводительная вычислительная система … либо система на кристалле Xilinx.

Компания Xilinx представила демонстрационный проект распознавания 46 различных дорожных знаков с видеопотока в реальном времени. Задача решается совместным функционированием программируемой логики и процессорной системы чипа Xilinx Zynq UltraScale+. Достигается многократное увеличение производительности по сравнению с чисто программным решением. Распознаются и классифицируются реальные дорожные знаки, используемые в Германии. Пример может функционировать на двух демонстрационных платах – ZCU102 (доступна для заказа через Макро Групп) и Ultra96board (к сожалению, для заказа в России недоступна). Задача классификации осуществляется с использованием бинарной нейронной сети (BNN), реализованной в программируемой логике СнК Zynq UltraScale+. Источником изображения является либо база данных с дорожными знаками, либо веб-камера USB. Результат работы BNN отображается на мониторе. Приложение управляется с помощью графического интерфейса, позволяющего изменять источники изображения, запускать и останавливать процесс классификации. Графический интерфейс реализован с использованием GUI Ubuntu Desktop, работающего поверх Petalinux на процессорной системе.

Пример интерфейса приведен ниже:
Xilinx ускоряет классификацию изображений в 9600 раз

С левой стороны показаны текущее классифицированное изображение и производительность сети BNN. Справа показаны последние три классифицированных изображения с пятью наиболее вероятными результатами классификации.

Структура устройства приведена на рисунке ниже:
Структура устройства

Максимальный размер изображения – 1080 точки, обрабатываемых с помощью четырехуровневой двоичной нейронной сети.

При обработке изображение делится на 202 фрагмента. При чисто программном способе обработки достигается производительность 2,2 фрагмента в секунду, в то время как при реализации нейронной сети в программируемой логике производительность составляет 19000 фрагментов в секунду, что означает ускорение в 9600 раз и возможность обработки в реальном времени.

Демонстрационный пример, включая исходные коды, находится в открытом доступе на сайте github.com/Xilinx, а его описание – на Xilinx Wiki по адресу http://www.wiki.xilinx.com/Zynq+UltraScale%EF%BC%8B+MPSoC+Accelerated+Image+Classification+via+Binary+Neural+Network+TechTip

Отладочную плату ZCU102 можно приобрести в компании Макро Групп.

Компания Макро Групп является официальным партнером Xilinx в России.

По всем вопросам, связанным с приобретением и поддержкой продукции Xilinx, включая приобретение лицензий, пишите нам через форму «Задать вопрос» или позвоните по телефону 8 (800) 333-06-05.

Упоминаемые производители

Подписка на новости