FPGA Framegrabber-basiertes Deep Learning
Wenn Ihre Deep Learning Anwendung einen hohen Durchsatz erfordert, wie beispielsweise beim zeitkritischen Einsatz in der Produktion, ist das Framegrabber-basierte Vision System für Deep Learning die richtige Wahl für Sie.
Deep Learning in der Bildverarbeitung
Folgende Themen stellen wir ausführlich in unserem White Paper vor:
Einsatzfelder von Deep Learning in der industriellen Bildverarbeitung
Vorteile Deep Learning-basierter Methoden
Kosten beim Einsatz von Deep Learning
Optimierung von Deep Learning-Netzen durch hybriden Ansatz
Einsatzfelder für Lösungen ohne Deep Learning
CNN auf FPGAs mit VisualApplets Software
Mit unserer grafischen FPGA-Entwicklungssoftware VisualApplets ist es so einfach wie nie zuvor, CNNs auf FPGAs einzusetzen. Vortrainierte CNN-Netze unterschiedlicher Größe und Komplexität lassen sich direkt auf ein FPGA laden. Die Software unterstützt vortrainierte Netze aus den gängigsten CNN-Bibliotheken, wie z. B. TensorFlow. Die Netze lassen sich zudem mit geringem Aufwand nachtrainieren. Zusätzliche Bildoptimierungen sind als Vor- oder Nachbearbeitungsschritte einfach zu integrieren.
Mehr über VisualApplets
Wir helfen Ihnen, Ihr CNN auf den FPGA zu bringen!
Für die Implementierung von FPGA-basierten Deep Learning Anwendungen bieten wir eine CNN-Runtime-Lizenz mit zwei Servicepaketen an, die sich jeweils an Ihrem Kenntnisstand zum Thema Deep Learning orientieren. Für bereits trainierte Netzwerke können wir bei der Implementierung von FPGAs unterstützen.
Für Kunden mit geringerem Wissen im Bereich Deep Learning bieten wir das komplette Design des CNNs sowie die FPGA-Implementierung für die gewünschte Bandbreite und Genauigkeit an. Ihr geistiges Eigentum bleibt hierbei natürlich in Ihrem Unternehmen.
