Unser „CNN ready“ Framegrabber microEnable 5 deepVCL wurde mit dem „Vision Systems Design Innovators Award“ in Gold in der Kategorie „frame grabbers and boards“ ausgezeichnet. Die Preisverleihung fand auf der Automate Messe in Chicago statt. Das Board wurde für Hardware-beschleunigte CNN-Anwendungen entworfen und verarbeitet mit einem sehr hohen Datendurchsatz selbst komplexeste Deep-Learning-Anwendungen in Echtzeit, die gleichzeitig eine hohe Auflösung wie Bildrate erfordern. Mit herkömmlichen GPUs wären solche Vision-Aufgaben nur mit Kompromissen bei Geschwindigkeit, Latenz, Erkennungsrate, Energieeffizienz oder Gesamtsystemkosten zu realisieren.

Offizielle Beschreibung der Preisverleihung

Um die Implementierung von Deep Learning bis zur Produktion zu realisieren, setzen wir auf leistungsfähige Framegrabber mit FPGA-Prozessoren für Inferenz, die eine hohe Bandbreite, Robustheit und garantiert kürzeste Latenzzeiten garantieren. Im Zusammenspiel mit unserer grafischen Entwicklungsumgebung VisualApplets ermöglicht das programmierbare deepVCL Board die Inferenz vorab trainierter tiefer neuronaler Netze bei stark reduzierten Entwicklungszeiten von Anwendungen. Diese lassen sich auf weitere FPGA Hardwareplattformen wie Kameras oder Vision-Sensoren portieren.
CNN Runtime-Lizenz – Dienstleistungs-Pakete

Auszeichnung unserer Hard-/Software-Lösungen zum dritten Mal in Folge

Der FPGA ermöglicht die Verarbeitung von Bilddaten – von der Erfassung bis zur Ausgabe – direkt auf einem Framegrabber oder Embedded-Vision-Gerät, ohne die CPU zu belasten – eine Qualität, die sich besonders gut für prozessintensive Anwendungen wie CNNs eignet. Dadurch können kleinere PCs ohne GPUs eingesetzt werden, was die Gesamtsystemkosten reduziert. Die höhere Datenbandbreite ermöglicht die Verarbeitung eines ganzen Bildes oder eine zusätzliche Bildvor- und Nachbearbeitung auf dem FPGA. Sie ist hoch genug, um den gesamten Datenoutput einer GigE Vision-Kamera mittels Deep Learning zu analysieren, um ein Beispiel zu nennen.

Mehr über den Deep-Learning-Framegrabber
Blogtext
Produktseite

Ausgezeichneter „CNN ready“ Framegrabber microEnable 5 deepVCL