除了演講， 3月19日的賽靈思技術日有哪些現場演示？

此次技術日活動共有十余個演示，除了賽靈思自己的多項演示，還有賽靈思客戶和合作伙伴的演示， 包括百度，曠視，瑞為，大恒，自行科技，華芯通＋ARM 服務器，目標應用惠及從云到端的各類創新應用。

下面小編先來劇透一波精彩的現場演示，滿足各路粉絲的好奇心！

01 EdgeBoard高性能終端計算卡

大腦EdgeBoard 是一款基于深度學習軟硬一體化加速方案設計的計算卡，具備模型剪枝&量化加速工具，在實驗室條件下，能將實驗模型預測性能提升4倍以上?；?a target="_blank">FPGA打造的高性能加速引擎，實測可提供2.4Tops的強大AI算力。完整的嵌入式參考設計,便于硬件產品的結構設計及二次開發。EdgeBoard可無縫銜接百度大腦開放能力與模型定制平臺，AI硬件產品通過集成EdgeBoard，可大大提升終端設備AI推理能力，使產品具備無限拓展可能。

02 智能視頻分析盒

曠科技MegBox B2R是一款以單片Zynq-7020作為神經網絡核心計算加速單元的智能視頻分析盒。可接入4路1080p視頻流，人臉抓拍率達到99.5%，人臉識別率達到99%；支持每路單幀大于30人同時并發的人臉抓拍識別；支持人臉性別、年齡等屬性分析；支持車牌識別功能。主要用于攝像頭改造升級、綜治、車輛、安防、商業或通行場景。

03 動態人像大數據研判平臺

動態人像大數據研判平臺是北京智慧眼、華芯通半導體與科通共同推出的城市道路監控預警解決方案。在系統的特征數據處理上，采用了華芯通基于ARM的StarDragon 4800 CPU和Xilinx FPGA協同處理架構?？梢蕴峁┒嗦芬曨l接入、實時動態識別、實時報警推送、路人庫檢索、視頻檢索、以圖搜圖、軌跡分析、統計分析等功能。

04 Xilinx 機器學習套件

Xilinx 機器學習（ML）套件運行于賽靈思 Alveo 數據中心加速卡上，為用戶提供了開發和部署機器學習應用進行實時推斷所需的工具。它支持許多常見的機器學習框架，如 Caffe、MxNet 和 Tensorflow，以及 Python 和 RESTful API 等。

05 高性能前裝DMS/ADAS融合方案

本演示展示國內首款基于深度學習技術的駕駛員監控系統（DMS），可實現身份識別、疲勞檢測、注意力檢測、不良行為檢測、視線追蹤；以及ADAS多道路目標（車輛、行人、交通標志）檢測、語義分割（多車道線檢測與可行駛區域識別）、視覺與雷達深度融合。

06 PALLAS 智能相機

PALLAS智能相機是一款具有高分辨率、高清晰度、低噪聲、外觀小巧，應用領域廣等特點的相機。本次系統展示了在訓練一個模型后，可以對其他具有相似特征的物體進行定位識別及測量，并顯示正確的測量結果。亦可以對其他有缺陷的物體進行篩選的功能。該系統不需要代碼編寫，可快速搭建。適用于工業檢測，安防，醫療等領域。

07 Alveo 上的機器學習和視頻轉碼

機器學習演示：Xilinx ML Suite 可優化和部署加速型ML推斷,支持常見的機器學習框架，如Caffe、MxNet 和 Tensorflow。

視頻轉碼演示：NGCodec 高性能視頻轉碼視頻壓縮方案，可實現硬件加速視頻流轉換為HEVC、VP9格式。

08 2.5G MIPI傳輸方案

本演示基于賽靈思 GTH 器件，利用該器件來實現 MIPI DPHY 層的功能，通過 NWL 或安富利的 MIPI CSI-2/DSI 控制器實現協議層功能。 最高可支持到 4K@30fps，4路 MIPI CSI-2信號輸入，以及 1920x1200@60Hz MIPI DSI 信號輸出。目標平臺是 AVNET 2.5G MIPI FMC kit 與 Xilinx KCU105 Kit。

09 自動車牌識別

演示基于賽靈思 Deephi DPU，運行于Avnet Ultra96 開發板，采用自定義深度學習網絡對行駛車輛進行自動車牌的識別，可應用于道路交通等領域。支持 Tensorflow 框架，MMdnn 框架轉換等。

10 新零售智能相機

瑞為技術,成立于2012年，是最早一批將人臉識別應用于實體零售門店的公司。早在2014年，瑞為針對線下實體零售研發出智慧商鋪解決方案，通過“店計”、“曉客”等智能硬件產品，以及云端強大的零售數據分析系統“店客云及”等，幫助線下零售門店實現客群/商品/熱度/購買精準分析，讓商品設計、門店陳列、店員服務更貼合目標客群。

11 融入Python生態的Zynq軟硬件框架

Pynq是Python Productivity for Zynq的縮寫，這是一套在Zynq上快速部署的開源軟硬件框架，讓不需要懂Verilog/VHDL硬件編程就可以享受FPGA可并行計算、接口可方便擴展和可靈活配置帶來的諸多好處。在Pynq開源社區中已經提供了上百個預生成的軟硬件Overlay。Pynq框架也同時也支持RTL, Vivado HLS等開發流程。本次演示包括了兩個demo，在RFSoC單芯片上完成數據采樣，以及利用Python進行數據分析和顯示。以及利用Pynq框架快速部署AWS Greengrass 邊緣計算框架。

12 單芯片 8 通道視頻監控AI方案

本演示主要實現了4路人臉檢測，4路車輛結構化。通過在單芯片ZU7EV上部署了人臉檢測/車輛檢測/行人檢測/非機動車檢測/車輛跟蹤等算法，實現平均單路性能12fps。幫助客戶的不同場景提供高效高度集成的視頻結構化方案。

13 面向ADAS圖像識別的深度學習

通過部署在ZCU102 B4096DPU Dual-core 同時實現4種不同的應用場景。分別是：人臉檢測；人體檢測；人體及14個關鍵點檢測；自動駕駛前視場景分割和檢測。該方案主要針對自動駕駛應用場景，提供集成化多樣化的場景應用可實現車內的人臉檢測識別，行為識別，車外車輛和行人檢測，信號燈檢測識別等。