Eenvoudiger ontwerpen van FPGA-beeldherkenningssystemen
Het ontwikkelen van FPGA-toepassing is altijd moeilijk geweest en het feit dat de chips steeds groter en krachtiger worden maakt het niet gemakkelijker. Met krachtiger FPGA’s worden zwaardere toepassingen mogelijk en dat roept de vraag naar nog krachtiger chips op: een vicieuze cirkel. De ontwikkelaars die die ingewikkelde toepassingen maken, hebben geen tijd om de hardware die dat alles mogelijk maakt in detail te bestuderen en dus helpen de hardwarefabrikanten ze met geavanceerde gereedschappen, bibliotheken, stacks, IP-blokken en degelijke.
Het ontwikkelen van FPGA-toepassing is altijd moeilijk geweest en het feit dat de chips steeds groter en krachtiger worden maakt het niet gemakkelijker. Met krachtiger FPGA’s worden zwaardere toepassingen mogelijk en dat roept de vraag naar nog krachtiger chips op: een vicieuze cirkel. De ontwikkelaars die die ingewikkelde toepassingen maken, hebben geen tijd om de hardware die dat alles mogelijk maakt in detail te bestuderen en dus helpen de hardwarefabrikanten ze met geavanceerde gereedschappen, bibliotheken, stacks, IP-blokken en degelijke.
Daarom is FPGA-pionier Xilinx nu gekomen met de reVISION-stack voor intelligente vision-systemen. De nieuwe stack sluit aan bij hun Reconfigurable Acceleration Stack voor zelflerende toepassingen. Mogelijke toepassingen zijn samenwerkende robots, of ‘cobots’, ‘sense and avoid’-drones, augmented reality, autonome voertuigen, geautomatiseerde bewaking en medische diagnostiek.
De nieuwe stack helpt niet alleen ontwikkelaars met weinig of geen ervaring in het ontwerpen van hardware om ingewikkelde toepassingen te ontwikkelen met behulp van een C/C++/OpenCL-ontwikkelomgeving, maar is ook geoptimaliseerd voor de ontwikkeling van responsieve beeldherkenningssystemen. Volgens de fabrikant haalt reVISION maximaal 6x meer beelden/seconde/watt bij machinaal leren, 40x meer frames/seconde/watt bij het verwerken van beelden en 1/5 van de latency, in vergelijking met concurrerende embedded GPU ’s en typische SoC’s, zoals de Tegra van Nvidia.
Ondanks die inspanningen is het ontwerpen van FPGA-toepassingen nog steeds niet gemakkelijk, maar het is een stap in de goede richting.
Daarom is FPGA-pionier Xilinx nu gekomen met de reVISION-stack voor intelligente vision-systemen. De nieuwe stack sluit aan bij hun Reconfigurable Acceleration Stack voor zelflerende toepassingen. Mogelijke toepassingen zijn samenwerkende robots, of ‘cobots’, ‘sense and avoid’-drones, augmented reality, autonome voertuigen, geautomatiseerde bewaking en medische diagnostiek.
De nieuwe stack helpt niet alleen ontwikkelaars met weinig of geen ervaring in het ontwerpen van hardware om ingewikkelde toepassingen te ontwikkelen met behulp van een C/C++/OpenCL-ontwikkelomgeving, maar is ook geoptimaliseerd voor de ontwikkeling van responsieve beeldherkenningssystemen. Volgens de fabrikant haalt reVISION maximaal 6x meer beelden/seconde/watt bij machinaal leren, 40x meer frames/seconde/watt bij het verwerken van beelden en 1/5 van de latency, in vergelijking met concurrerende embedded GPU ’s en typische SoC’s, zoals de Tegra van Nvidia.
Ondanks die inspanningen is het ontwerpen van FPGA-toepassingen nog steeds niet gemakkelijk, maar het is een stap in de goede richting.
