Corona/COVID-19: Unser Vertrieb und Kundenservice stehen Ihnen wie gewohnt zur Seite. Mehr erfahren

Schließen

Sie verwenden einen veralteten Browser und können nicht alle Funktionen dieser Webseite nutzen. Hier erfahren Sie, wie Sie Ihren Browser aktualisieren können.

OK
News / Presse | Karriere | Investoren

Deep Learning CNN Dienstleistungspakete

Deep Learning erreicht die in der Produktion erforderliche Verarbeitungs-Geschwindigkeit und kann bereits heute bestehende Lösungen ersetzen. Die Inference reicht für die Anforderungen einer Inline-Inspektion. Neue leistungsfähigere Camera Link Framegrabber wie die mit einer CNN-Runtime-Lizenz ausgestattete microEnable 5 marathon deepVCL enthalten bereits größere FPGA-Prozessoren, die für Deep Learning-Anwendungen mit der benötigten hohen Rechenleistung und Bandbreite notwendig sind.

Über die grafische FPGA-Programmierung mit VisualApplets lassen sich passende Netzarchitekturen unterschiedlicher Größe und Komplexität integrieren sowie vortrainierte Konfigurationsparameter für die Gewichte der Netze (weights) für eine Vielzahl von Bildverarbeitungs-Anwendungen laden. Dabei werden auch Informationen über Netze und Parameter aus Drittsoftware und Trainingstools wie TensorFlow importiert. Neue Gewichte sind leicht zu laden, solange das Netz unverändert bleibt. Ein Nachtrainieren, z.B. für ein neues Werkstück in der Fertigung, geht mit relativ wenig Aufwand. Ändern sich Testumgebung oder -objekte, können die nachtrainierten Bilder über einen neuen Parametersatz der Gewichte oder als neues Netz nachgeladen werden.

Der FPGA ermöglicht eine Verarbeitung der Bilddaten direkt auf einem Framegrabber oder einem eingebetteten Vision-Gerät – von der Bildaufnahme zum Analyseergebnis – ohne die CPU zu belasten, was für rechenintensive Anwendungen wie CNNs wichtig ist. Dadurch sind kleinere PCs ohne GPU einsetzbar, was die Kosten des gesamten Systems reduziert.

Vollentwicklungs- und Implementierungs-Service

Größere FPGA-Ressourcen ermöglichen es, komplexere Architekturen und damit Anwendungen bei gleichzeitig höheren Bandbreiten zu implementieren. Zukünftige Framegrabber-Generationen werden von vorneherein mit der passenden Leistung für die Inference sehr großer neuronaler Netze ausgestattet sein. Anwender können ihr bisheriges Bildverarbeitungssystem aus Kameras, Kabeln, Beleuchtung, Sensoren und Aktoren weiter nutzen.

Durch die hohe Anzahl der Anfragen bieten wir heute schon Dienstleistungen als Vollentwicklung oder Implementierungs-Unterstützung an. Eine Erweiterung von VisualApplets zur Selbstprogrammierung ist geplant und wird zu einem späteren Zeitpunkt erscheinen.

Für die Implementierung FPGA-basierter Deep Learning-Anwendungen bieten wir unseren Kunden und Partnern eine CNN Runtime-Lizenz mit zwei Dienstleistungs-Paketen an, je nachdem wie erfahren sie im Umgang mit Deep Learning sind. Haben sie bereits ein Netz aufgesetzt und dieses trainiert, übertragen und implementieren wir es zusammen mit den Gewichten (Parametern) auf den Framegrabber-FPGA (Implementierungs-Service).

Andernfalls können wir Aufbau und Training des Netzes wie auch die FPGA-Implementierung komplett für sie übernehmen (Full Service). In beiden Fällen wird die Auslieferung von uns auf die gewünschte Bandbreite und Treffgenauigkeit getestet und dokumentiert, während die CNN Intellectual Property beim Anwender bleibt (Schutz des geistigen Eigentums).

Wir helfen Ihnen gerne

Für weitere Informationen kontaktieren Sie bitte unser Vertriebsteam.

Kontakt zum Vertrieb