光流估计是计算机视觉研究中的一个重要方向，其不像其他感知任务会显式的在应用中呈现。如今，光流估计也在基于视频的任务中承担着越来越重要的作用。光流的基本概念光流（OpTIcal Flow）是一个有关物体

嵌入式视觉（EV）系统的成长正推动对于更高性能与节能的视觉处理能力需求。包括AMD、CEVA、ImaginaTIon、英特尔（Intel）、Nvidia以及ARM的授权客户等业界多家公司均积极因应这一

CEVA 汽车市场营销主管 Jeff VanWashenova高级辅助驾驶系统 (ADAS) 可提供解决方案，用以满足驾乘人员对道路安全及出行体验的更高要求。诸如车道偏离警告、自动刹车及泊车辅助等系统

近日KORTIQ公司推出了一款Xilinx FPGA的CNN加速IP——AIScale，它能够利用实现训练好的CNN网络，比如行业标准的ResNet、AlexNet、TIny Yolo和VGG-16

前面几篇文章讲到了卷积神经网络CNN，但是对于它在每一层提取到的特征以及训练的过程可能还是不太明白，所以这节主要通过模型的可视化来神经网络在每一层中是如何训练的。我们知道，神经网络本身包含了一系列特征

当你向Facebook上传了一张你朋友的照片后，这张照片就进入了一个复杂的幕后处理过程。算法迅速行动并分析照片的每一个像素，直到将朋友的名字和这张照片匹配起来。这类型的前沿技术也被用在了自动驾驶汽车上

CNN已经广泛用于图像识别，因为它能模仿生物视觉神经的行为获得很高识别准确率。最近，基于深度学习算法的现代应用高速增长进一步改善了研究和实现。特别地，多种基于FPGA平台的深度CNN加速被提出，具有

人工智能领域边缘侧的应用场景多种多样，在功能、性能、功耗、成本等方面存在差异化的需求，因此一款优秀的人工智能边缘计算平台，应当具备灵活快速适配全场景的能力，能够在安防、医疗、教育、零售等多维度行业应用

（文章来源：粤讯）人工智能领域边缘侧的应用场景多种多样，在功能、性能、功耗、成本等方面存在差异化的需求，因此一款优秀的人工智能边缘计算平台，应当具备灵活快速适配全场景的能力，能够在安防、医疗、教育、零

前段时间一直在关注 CNN 的实现，查看了 caffe 的代码以及 convnet2 的代码。目前对单机多卡的内容比较感兴趣，因此特别关注 convnet2 关于 mulTI-GPU 的支持。其中 c

卷积神经网络：听起来像是生物与数学还有少量计算机科学的奇怪结合，但是这些网络在计算机视觉领域已经造就了一些最有影响力的创新。2012年神经网络开始崭露头角，那一年Alex Krizhevskyj在Im

要做一些计算加速的工作，入手先要想好几个问题： 要加速的是什么应用，应用的瓶颈是什么，再针对这个瓶颈，参考前人工作选择合适的方案。过早地执着于fpga的技术细节容易护士许多的细节。现在software

AI创业公司泓观科技（otureo.ai）发布了首款异步卷积神经网络芯片。该芯片所采用的异步架构，与这个领域中先前的各类AI芯片相比，遵循着完全不同的设计原则和技术路线，同时融合了定点化、自动剪枝、多

网上对于FPGACNN加速的研究已经很多了，神经网络的硬件加速似乎已经满大街都是了，这里我们暂且不讨论谁做的好谁做的不好，我们只是根据许许多多的经验来总结一下实现硬件加速，需要哪些知识，考虑哪些因素。

网上对于FPGACNN加速的研究已经很多了，神经网络的硬件加速似乎已经满大街都是了，这里我们暂且不讨论谁做的好谁做的不好，我们只是根据许许多多的经验来总结一下实现硬件加速，需要哪些知识，考虑哪些因素。

ZYNQ简介ZYNQ系列是Xilinx推出的高端嵌入式SoC，其在片上集成了ARM处理器和FPGA。ZYNQ与传统的嵌入式CPU相比，具有强大的并行处理能力。开发人员利用FPGA强大的并行处理能力，不

当前，AI因为其CNN（卷积神经网络）算法出色的表现在图像识别领域占有举足轻重的地位。基本的CNN算法需要大量的计算和数据重用，非常适合使用FPGA来实现。上个月，Ralph WitTIg（Xilin

无人驾驶的感知部分作为计算机视觉的领域范围，也不可避免地成为CNN发挥作用的舞台。本文是无人驾驶技术系列的第八篇，深入介绍CNN（卷积神经网络）在无人驾驶3D感知与物体检测中的应用。CNN简介卷积神经

本文使用CNN来对可穿戴传感器收集的大规模运动数据进行分类，同时对传感器数据转换为不同的图像格式输入做出了比较。最佳性能配置以92.1%的准确率将50种健身房运动分类。作者在这里使用的是CNN而不是R