XC7Z035-3FFG900E

发布时间:2020/11/5

XC7Z035-3FFG900E_XC7Z020-1CLG400I导读

Softnautics 采用了赛灵思 Vitis AI
堆栈并运用该软件提供加速,开发出混合应用,同时实现了 LSTM 功能,通过将 TensorFlow-lite 移植/迁移到 ARM 进行有效的序列预测。它使用
N2Cube 软件在处理侧(PS)运行。图像预处理/后处理通过 Vivado 使用 HLS 实现,而 Vitis
的作用是使用连接文本提议网络(CTPN)完成推断。最终,Softnautics
将该解决方案用于视频流水线中的实时场景文本检测,并使用可靠的数据集对模型进行改进。

在今年先后发布一体化 SmartNIC 平台AlveoU25、最强7nm云端芯片Versal
Premium、FPGA器件的创新型TCON(Timing
Controller,时序控制器)方案。Xilinx作为一家以FPGA(现场可编程门阵列)为主的公司,战略在于“数据中心优先”、“加速核心市场发展”、“驱动自适应计算”三大方面。


XC7VX690T-1FFG1926I

XQ2V1000-FG456M XQ2V1000-FG456I XQ2V1000-BG575N
XQ2V1000-BG575M XQ2V1000-BG575I XQ2V1000-6FF896N XQ2V1000-4FGG456N
XQ2V1000-4FG456N XQ2V1000-4FG456I XQ2V1000-4BGG575N XQ2V1000-4BG575N
XQ2V1000-4BG575M XQ2V1000-4BG575 XQ18V04VQG44N XQ18V04VQG44C 。

XQ4013XLA-09PQ160I XQ4013XL-3PQG240N XQ4013XL-3PQ240N
XQ4013XL-3PG223M XQ4013XL-3PG223B XQ4013XL-3CB228M XQ4013XL-3CB228B
XQ4013XL-3BG432M XQ4013XL-3BG256N XQ4013XL-1PQ240N XQ4013XL-1PQ228M
XQ4013XL-1PG475N XQ4013XL-1CB432N XQ4013EX-4CB196M XQ4013EX-3PG196M
XQ4013EX-3HQ191M XQ4013EPG223CKJ XQ4013EPG223CK XQ4013ECB228CKJ 。

XQ5VFX100T-1EF1136M XQ5VFX100T-1EF1136I XQ5VFX100T
XQ4VSX55-10FFG1148M XQ4VSX55-10FF1148M XQ4VSX5510FF1148M XQ4VSX55-10FF1148I
XQ4VSX55-10CF1148M XQ4VSX35-9FFG668I XQ4VSX35-9FF668I XQ4VSX35-10FFG668IES
XQ4VLX80-11FF1148I XQ4VLX60-10FFG1148M XQ4VLX60-10FF668M XQ4VLX60-10FF1148M

XQ5VFX70T-1EF1136M XQ5VFX70T-1EF1136I XQ5VFX70T
XQ5VFX200T-DIE4058 XQ5VFX200T-1FF1738M XQ5VFX200T-1FF1738I XQ5VFX200T
XQ5VFX130T-DIE4058 XQ5VFX130T-2FF1738I XQ5VFX130T-2EF1738M XQ5VFX130T-2EF1738I
XQ5VFX130T-1FFG1738M XQ5VFX130T-1FFG1738I XQ5VFX130T-1EF1738M
XQ5VFX130T-1EF1738I XQ5VFX130T XQ5VFX100T-2EF1738I XQ5VFX100T-1EF1738I 。


XC7Z020-CLG400

XQR5VFX130-1CF1752 XQR4VSX55-10CN1140V
XQR4VSX55-10CF1140V? XQR4VSX55-10CF1140V XQR4VSX5510CF1140V XQR4VSX55-10CF1140
XQR4VSX55 XQR4VLX200-10CF1509V XQR4VLX200 XQR4VFX60-10CF1144V
XQR4VFX140-10CF1509V XQR4062XL-3CB228M 。

XQ6VSX315T-1RF1759M XQ6VSX315T-1RF1759I
XQ6VSX315T-1RF1156M XQ6VSX315T-1RF1156I XQ6VSX315T-1FFG1156M
XQ6VSX315T-1FFG1156I XQ6VLX550T-L1RF1759I XQ6VLX550T-1RF1759I
XQ6VLX240T-L1RF784I XQ6VLX240T-L1RF1759I XQ6VLX240T-L1RF1156I XQ6VLX240T-2RF784I
XQ6VLX240T-2RF1156I 。

XQV100CB228AFP XQV100-4PQ240N XQV100-4CB228AFP
XQV100-4BG256N XQV1000-4CG560M XQV1000-4CG560BFQP XQV1000-4CG560B
XQV1000-4CG560AFP XQV1000-4BG560N XQR5VFX130-CF1752AGU XQR5VFX130-1CN1752V
XQR5VFX130-1CN1752B XQR5VFX130-1CF1752V XQR5VFX130-1CF1752B 。

XQR18V04CC44V XQR18V04CC44M XQR17V16VQ44R
XQR17V16VQ44N XQR17V16-DIE0628 XQR17V16CK44V XQR17V16CK44M XQR17V16-CC44V
XQR17V16CC44V XQR17V16CC44M XQR1701LCC44V XQR1701LCC44MES XQR1701LCC44M
XQF32PVOG48M XQF32PVOG48C XQF32PVOG48 XQF32P-VO48M 。

XC7Z035-3FFG900E_XC7Z020-1CLG400I


而CvMat和IplImage类型更侧重于“图像”,OpenCV对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。OpenCV中常见的与图像操作有关的数据容器有Mat,CvMat和IplImage,这三种类型都可以代表和显示图像,但是,Mat类型侧重于计算,数学性较高。

我们通过快速角点的例子,说明通常用VivadoHLS实现OpenCV的流程。接着,建立基于视频数据流链的OpenCV处理算法,改写前面OpenCV的通常设计,这样的改写是为了与HLS视频库处理机制相同,方便后面步骤的函数替换。当然,这些可综合代码也可在处理器或ARM上运行。最后,将改写的OpenCV设计中的函数,替换为HLS提供的相应功能的视频函数,并使用VivadoHLS综合,在Xilinx开发环境下在FPGA可编程逻辑或作为Zynq
SoC硬件加速器实现。首先,开发基于OpenCV的快速角点算法设计,并使用基于OpenCV的测试激励仿真验证这个算法。