赛灵思工业、科学、医疗(ISM)营销**技术经理罗霖表示，人工智能已经成为科技产业发展的重要趋势，而且从核心(数据中心)往边缘(各类联网装置)扩散的态势十分明显。 不过，由于缺乏对应的函式库(Library)等软件堆栈辅助，应用***经常必须从头到尾靠自己的力量进行开发，因此项目开发的时程很长，而且需要耗费大量人力。
为了解决这个问题，赛灵思宣布推出reVISION软件堆栈解决方案。 全新reVISION堆栈可让对硬件设计不熟悉的软件及系统工程师，也能够更容易、更快速地开发支持人工智能的嵌入式视觉应用。 这类应用涵盖高阶消费类产品、汽车、工业、医疗、以及航天与国防等领域，以及新一代的应用包含协作机器人、具备感测与碰撞规避功能的无人机、扩增实境、自动驾驶车、自动监视与医学诊断等领域。 在这些应用上，除了差异化至关重要外，其系统亦必须具备极快的反应能力，并快速部署*新的算法与传感器，大约三分之二的视觉导向半导体应用都属于此类市场。
reVISION为反应*快速的视觉系统铺建了*快的发展途径，与嵌入式GPU、传统SoC解决方案相比，以赛灵思FPGA方案为基础的机器学习推论，其每秒每瓦影像效能提升了高达6倍、计算机视觉每秒每瓦每帧处理速度则提升了40倍，而延迟却只有五分之一。 即使是对硬件不熟悉的***也能利用C、C++或OpenCL语言搭配如Caffe与OpenCV这类业界标准框架与函式库，在Zynq SoC或MPSoC等芯片平台上开发各种嵌入式视觉应用。
事实上，以FPGA来实现人工智能应用，具有非常大的优势。 人工智能领域的演进非常快速，具备可重组以及支持所有形式链接等优势的FPGA，可以很轻松地进行各种修改或升级，以便在*短时间内支持新的人工智能算法。 类神经网络、算法、传感器技术与接口标准都会持续加速演进，可重组特性对于「支持未来需求」的智能视觉系统至关重要。
赛灵思reVISION堆栈集众多研发资源在平台、算法、以及应用等领域的开发。 其中包括支持*欢迎的类神经网络如AlexNet、GoogLeNet、SqueezeNet、SSD、以及FCN。 除此之外，堆栈提供了函式库元素，包含针对卷积神经网络(CNN)分层预先定义和作业优化，用来建立客制化类神经网络(DNN/CNN)。 机器学习组件佐以众多运算加速OpenCV功能，用以执行计算机视觉处理作业。 在应用层级开发方面，赛灵思支持业界标准框架，包括专为机器学习的Caffe以及计算机视觉方面的OpenVX。 此外reVISION堆栈还包含赛灵思自己与第三方的开发平台，内含众多种类的传感器。
公安机关备案号：
