赛灵思技术日有哪些现场演示？

除了演讲， 3月19日的赛灵思技术日有哪些现场演示？

此次技术日活动共有十余个演示，除了赛灵思自己的多项演示，还有赛灵思客户和合作伙伴的演示， 包括百度，旷视，瑞为，大恒，自行科技，华芯通＋ARM 服务器，目标应用惠及从云到端的各类创新应用。

下面小编先来剧透一波精彩的现场演示，满足各路粉丝的好奇心！

01 EdgeBoard高性能终端计算卡

大脑EdgeBoard 是一款基于深度学习软硬一体化加速方案设计的计算卡，具备模型剪枝&量化加速工具，在实验室条件下，能将实验模型预测性能提升4倍以上。基于FPGA打造的高性能加速引擎，实测可提供2.4Tops的强大AI算力。完整的嵌入式参考设计,便于硬件产品的结构设计及二次开发。EdgeBoard可无缝衔接百度大脑开放能力与模型定制平台，AI硬件产品通过集成EdgeBoard，可大大提升终端设备AI推理能力，使产品具备无限拓展可能。

02 智能视频分析盒

旷科技MegBox B2R是一款以单片Zynq-7020作为神经网络核心计算加速单元的智能视频分析盒。可接入4路1080p视频流，人脸抓拍率达到99.5%，人脸识别率达到99%；支持每路单帧大于30人同时并发的人脸抓拍识别；支持人脸性别、年龄等属性分析；支持车牌识别功能。主要用于摄像头改造升级、综治、车辆、安防、商业或通行场景。

03 动态人像大数据研判平台

动态人像大数据研判平台是北京智慧眼、华芯通半导体与科通共同推出的城市道路监控预警解决方案。在系统的特征数据处理上，采用了华芯通基于ARM的StarDragon 4800 CPU和Xilinx FPGA协同处理架构。可以提供多路视频接入、实时动态识别、实时报警推送、路人库检索、视频检索、以图搜图、轨迹分析、统计分析等功能。

04 Xilinx 机器学习套件

Xilinx 机器学习（ML）套件运行于赛灵思 Alveo 数据中心加速卡上，为用户提供了开发和部署机器学习应用进行实时推断所需的工具。它支持许多常见的机器学习框架，如 Caffe、MxNet 和 Tensorflow，以及 Python 和 RESTful API 等。

05 高性能前装DMS/ADAS融合方案

本演示展示国内首款基于深度学习技术的驾驶员监控系统（DMS），可实现身份识别、疲劳检测、注意力检测、不良行为检测、视线追踪；以及ADAS多道路目标（车辆、行人、交通标志）检测、语义分割（多车道线检测与可行驶区域识别）、视觉与雷达深度融合。

06 PALLAS 智能相机

PALLAS智能相机是一款具有高分辨率、高清晰度、低噪声、外观小巧，应用领域广等特点的相机。本次系统展示了在训练一个模型后，可以对其他具有相似特征的物体进行定位识别及测量，并显示正确的测量结果。亦可以对其他有缺陷的物体进行筛选的功能。该系统不需要代码编写，可快速搭建。适用于工业检测，安防，医疗等领域。

07 Alveo 上的机器学习和视频转码

机器学习演示：Xilinx ML Suite 可优化和部署加速型ML推断,支持常见的机器学习框架，如Caffe、MxNet 和 Tensorflow。

视频转码演示：NGCodec 高性能视频转码视频压缩方案，可实现硬件加速视频流转换为HEVC、VP9格式。

08 2.5G MIPI传输方案

本演示基于赛灵思 GTH 器件，利用该器件来实现 MIPI DPHY 层的功能，通过 NWL 或安富利的 MIPI CSI-2/DSI 控制器实现协议层功能。 最高可支持到 4K@30fps，4路 MIPI CSI-2信号输入，以及 1920x1200@60Hz MIPI DSI 信号输出。目标平台是 AVNET 2.5G MIPI FMC kit 与 Xilinx KCU105 Kit。

09 自动车牌识别

演示基于赛灵思 Deephi DPU，运行于Avnet Ultra96 开发板，采用自定义深度学习网络对行驶车辆进行自动车牌的识别，可应用于道路交通等领域。支持 Tensorflow 框架，MMdnn 框架转换等。

10 新零售智能相机

瑞为技术,成立于2012年，是最早一批将人脸识别应用于实体零售门店的公司。早在2014年，瑞为针对线下实体零售研发出智慧商铺解决方案，通过“店计”、“晓客”等智能硬件产品，以及云端强大的零售数据分析系统“店客云及”等，帮助线下零售门店实现客群/商品/热度/购买精准分析，让商品设计、门店陈列、店员服务更贴合目标客群。

11 融入Python生态的Zynq软硬件框架

Pynq是Python Productivity for Zynq的缩写，这是一套在Zynq上快速部署的开源软硬件框架，让不需要懂Verilog/VHDL硬件编程就可以享受FPGA可并行计算、接口可方便扩展和可灵活配置带来的诸多好处。在Pynq开源社区中已经提供了上百个预生成的软硬件Overlay。Pynq框架也同时也支持RTL, Vivado HLS等开发流程。本次演示包括了两个demo，在RFSoC单芯片上完成数据采样，以及利用Python进行数据分析和显示。以及利用Pynq框架快速部署AWS Greengrass 边缘计算框架。

12 单芯片 8 通道视频监控AI方案

本演示主要实现了4路人脸检测，4路车辆结构化。通过在单芯片ZU7EV上部署了人脸检测/车辆检测/行人检测/非机动车检测/车辆跟踪等算法，实现平均单路性能12fps。帮助客户的不同场景提供高效高度集成的视频结构化方案。

13 面向ADAS图像识别的深度学习

通过部署在ZCU102 B4096DPU Dual-core 同时实现4种不同的应用场景。分别是：人脸检测；人体检测；人体及14个关键点检测；自动驾驶前视场景分割和检测。该方案主要针对自动驾驶应用场景，提供集成化多样化的场景应用可实现车内的人脸检测识别，行为识别，车外车辆和行人检测，信号灯检测识别等。