型号:


FDNN是加速科技推出的基于FPGA可配置深度学习网络加速引擎,它为基于FPGA的AI产品开发搭建了一个整体灵活、高效的软硬件开发环境,能够极大地简化基于FPGA的深度学习研究、缩短深度学习网络FPGA实现的研发周期。SC-FDNN可以广泛应用于深度学习、机器视觉、边缘计算等领域。



系统架构

FDNN可配置神经网络












三层模型产品解决方案

FDNN可配置神经网络











为了满足不同客户的需求,SC-FDNN提供三个层次的深度学习加速IP:L1/L2/L3。加速科技FPGA 深度学习计算加速解决方案 由L1~L3 三个层次的深度学习算法IP和接口IP以及对应的配套软件工具组成。



L1层的算法IP

该层级主要实现深度学习的基本算子:卷积、池化、全连接、非线性函数。

支持5x5,3x3,1x1的卷积(卷积核大小支持配置);

支持最大值池化(Max Pooling)和平均值池化(Average Pooling);

支持全连接,支持激活函数可配置,支持Sigmoid,Tanh,Relu,Relu6,Leakyrelu,ELU等选项。

L1层仅完成核心算子的加速,提供对应的SDK接口、用于算子的调用;用户层软件需要控制计算流程,对数据输入和计算结果数据进行处理。该层灵活性最大,客户可根据自己的需要来实现任意深度学习模型;由于存在频繁的数据交互和过程调用,因而该层加速比相对较低。

 


L2层的可配置FDNN处理器

L2实现参数可配置的CNN处理器,包括基本算子和调度器都在FPGA内部实现;这些实现对用户是透明的,用户只需先将在具体模型网络(例如Tensorflow)下得到的训练结果文件转换成FDNN的模型所定义的格式,再通过SDK 就可以将具体的算法在高性能的FPGA硬件系统上实现。本层保持较大的灵活性,同时兼顾高性能的计算加速。

 


L3层的高性能神经网络算法IP

L3层实现全定制的加速网络,性能非常高,支持网络模型参数配置。已实现的常见各种模型包括:VGG16、Lenet、YoloV2、Darknet19、Resnet、LSTM、DNN等。


FDNN可配置神经网络



时间: 2019 - 07 - 03
型号:


某电商平台每天要面对大量的客户开店和业务申请需求,需要对海量的营业执照等证件审核。随着业务的增长,传统人工审核是不可能完成;采用深度学习的图片OCR(光学字符识别)就是一个很好的解决方案。基于深度学习的图片OCR方案包括文字定位和文字识别两部分,文字定位采用4层CNN网络,文字识别采用4层双向LSTM。由于CNN部分计算量不大,主要的计算量在LSTM,因此对LSTM部分加速。一般方案采用GPU完成,但存在两个问题:1.处理延时很大,不能满足要求 2.有些图片中的文字超长,在超长文字和一般长度文字一起送入GPU处理时二者所用时间一样,这使得业务无法到达上线条件。



LSTM模型及FPGA加速方案

基于FPGA的图片OCR解决方案
























系统规格

加速科技采用FPGA方案实现双向LSTM的加速,满足客户要求;具体方案特性如下:

1.采用SC-OPM加速卡(半高*半长:56mm*167mm)

2.Intel®Arria10 GX660器件,集成 660k LE,具备1.5T FLOPS 单精度浮点处理能力

3.四层LSTM+1层全连接,各层网络参数可以软件配置下载

4.可以实现40000T/S的流量,延时超低,数据长度可以为混合长度

5.单卡只有33W



应用场景

该方案可应用在各种图片文字识别的场景(例如档案文件的图片转文字),如果应用在军事领域,可包含军舰舷号图像识别、飞机编号识别,敏感词涉密信息鉴别等方向,可以满足高性能的OCR识别算法加速以及超低延时的实时性要求。


基于FPGA的图片OCR解决方案



时间: 2019 - 07 - 03
型号:


目标识别技术已经大量运用在战场和侦查应用中,如无人机航拍、卫星侦察、导弹识别、空中预警、SAR成像、红外成像等领域。采用基于深度学习的目标识别技术可大大提高识别率,加速科技提供的基于FPGA高性能深度学习加速库(包括VGG16,Darknet19,YOLOV2/3,ResNet等)用于目标识别,可提升红外光电/SAR成像武器系统对正常目标和诱饵干扰的目标识别分类能力,包括战斗机、直升机、运输机、民航客机及诱饵干扰等。该方案将目标区域预测和类别预测整合于单个神经网络模型中,实现在较高准确率的情况下快速目标检测与识别。


系统架构

基于FPGA的红外/SAR雷达成像目标识别解决方案













目标识别的YOLOV2模型及FPGA加速方案

基于FPGA的红外/SAR雷达成像目标识别解决方案



















深度神经网络YOLOV2的实现及性能

1.采用加速科技SC-OPM小型化加速卡

2. 单颗FPGA器件集成 660k LE,具备1.5T FLOPS 单精度浮点处理能力

3. 23层卷积,各层网络参数可以软件配置下载,1层NMS是软件实现

4. 单精度浮点处理能力:43帧/S;INT8:86帧/S  @图像分辨率:224*224

5. 识别1类目标时单卡只有35W



 SAR图像与红外图像识别系统显控图

基于FPGA的红外/SAR雷达成像目标识别解决方案




















案例1介绍

XXX研究所设计一个机载/弹载红外智能信息处理系统,系统的图像采集模块将数据送往图像采集卡,软件先对图像进行预处理(例如图像缩放等),然后将预处理结果送入FPGA深度学习网络进行学习与推理;根据推理计算结果,用户程序对相应的目标进行标注或框显,并通过显示接口实时地显示识别目标信息。系统能够在线配置不同的神经网络模型,识别多达10类、上千种目标;利用FPGA实现深度学习网络推理的计算加速,对于给定浮点型数据格式的图像,处理能力可达40-50帧/秒,满足了应用场景实时性的要求。


基于FPGA的红外/SAR雷达成像目标识别解决方案










案例2介绍

XXX研究所的遥感影像在轨解译与目标识别系统----SAR影像智能信息提取与目标识别。该系统适用于预警监视、成像侦察、精确打击等领域,对卫星在轨遥感影像进行感知与解译。该系统可实现大规模SAR影像中桥梁、机场、车辆、飞机、舰船等目标的检测、分类与识别,具备大场景SAR影像地物分类、变化检测等功能。通过大规模实用数据测试表明:该系统对桥梁、飞机、舰船等目标的检测率达95%以上,对10类MSTAR目标识别率达99%以上;对地物自动识别与信息提取精度优于85%;对变化区域监测准确率达85%以上。


基于FPGA的红外/SAR雷达成像目标识别解决方案















时间: 2019 - 07 - 01
相关推荐 / Recommend
2013 - 11 - 29
产品简介SC-OPM是加速科技专为SBB架构的高密度刀片服务器定制的加速卡,可以插入各种高密度服务器。采用Altera最新20nm工艺的A10 660/1150 FPGA,集成 660K/1150k LE和1.5T/1.3T FLOPS单精度浮点处理能力,单板支持2个40GE电口,提供2*40GE的互联能力,板载3个DDR4,支持高带宽和大容量的存储访问;可以广泛应用于深度学习、机器视觉...
2013 - 11 - 29
产品简介SC-OPS是加速科技推出新一代PCIe加速卡,采用Intel最新 14 纳米制造工艺,比上一代芯片核心性能提升了 2 倍,功耗降低多达 70%,芯片集成2753KLE和9.2T FLOPS单精度浮点处理能力;板载8个72bit 2400MHz DDR4内存控制器(ES芯片支持2133MHz),最大支持64GB内存容量,支持153.6GB/S的访问带宽;单板支持2个标准QSFP&...
2013 - 11 - 29
产品简介SC-OPX 是加速科技推出新一代加速卡,采用Intel Stratix10 系列芯片,集成2073K LE和6.3T FLOPS单精度浮点处理能力;支持4路QSFP28 100G光接口,兼容40G光接口;支持2组DDR4 @2400Mhz ,72bit位宽,支持ECC,支持2*4GB容量,访问带宽38.4GB/S;可以广泛应用于深度学习、机器视觉、数字信号处理、高性能计算、边缘...
2018 - 09 - 20
产品简介加速科技SC-VPX系统是一套符合6U VPX VITA 46.0规范、兼容Open VPX 标准,采用FPGA实现计算加速的高性能加速系统。系统包括机箱、主控板、业务单板等组成部分,采用高速互联结构,是目前单板计算密度最高的FPGA加速系统。为了满足各种场景的需求,加速科技提供高性能的业务板卡(SC-VPX-IS),异构信号处理板卡(SC-VPX-IV),也提供满足国...
杭州加速科技有限公司
地址:中国·杭州·余杭区·余杭街道文一西路1818-1号5G创新园J1层-103M
电话:
传真:
邮编:330520
Copyright ©2005 - 2013 杭州加速科技有限公司
犀牛云提供云计算服务
回到顶部
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

5

TEL

6

官方公众号

返回顶部
展开