- reVISION惊艳登场，Xilinx让视觉导向机器学习更简单！

“Altera早做下一代DSP开发的时候，本来它的DSP定点效率就要低于赛灵思，它后来做出的决定使得它比原来落后赛灵思的差距又扩大了，比赛灵思的效率低了100%，所以在8位一个周期里我们可以操作运算两次，而它只能一次，所以在DSP架构方面，赛灵思的比它的效率提升两倍，但实际上我们最高效率可以比它大6倍，所以除了这个DSP以外，我们还有其他两个优势。”Steve 表示，“在我们存储器层级上，我们引入一个XRAM架构，另外一个优势是我们的工艺领先Altera一代。”这是一个对比。

他也表示神经网络理论是不断发展的，过去两年里取得的进展几乎要等于之前45年的技术进步 因此赛灵思的方案还可以了重配置性。“通过这样可重配置的功能，就可以应用最新的关于视觉和机器学习方面的最新的技术和进展，而无需来改变自己系统的硬件。”他表示。

 

另外，在嵌入式视觉领域，越来越多的传感器技术需要融合进来，例如以前是环境传感器，而现在则融合了更多化学、机械、光学、成像、雷达等等，融合的驱动就是人工智能，所以赛灵思的reVISION也考虑到了传感器的融合发展。“传感器融合很重要，例如工业机器人在工作时，除了视觉处理还需要压力处理，因为曾经发生或工业机器人伤害人类的事件，所以需要度传感器信号做融合处理。”他指出。

 

它的驱动力量在于人工智能，也就是人工智能在所有AI扩展驱动了传感器融合的渠道。所以我们推出的reVISION，它能够实现非常独特的可重配置的功能，不仅仅是能够支持不同的类型和技术传感器，而且还能够支持这些传感器的集成和融合。

从响应速度和可重配置来看，赛灵思的reVISION都非常出众

4、reVISION 堆栈如何使用？

针对客户的视觉应用机器学习，赛灵思除了提供软件堆栈以外，还有硬件的平台和传感器，使得客户可以很快上手。如图的嵌入式视觉开发套件，从28nm的Zynq到最新的16nm MPSOC都有覆盖。

“赛灵思有几百家客户在做基于视觉的系统，还有几十家客户在做机器学习，要把机器学习与计算机视觉相结合。客户需要投入特殊的开发资源，随着reVISION的推出，能够消除机器学习广泛采用所面临的很多障碍。”Steve 强调。

赛灵思 reVISION 堆栈包括用于平台、算法和应用开发的丰富的开发资源，支持最流行的神经网络（诸如 AlexNet、GoogLeNet、SqueezeNet、SSD 和 FCN）以及库元素（如 CNN 网络层的预定义优化型实现方案，这也是构建定制神经网络 DNN/CNN 所需的）。配合丰富的满足加速要求的 OpenCV 功能，支持机器视觉处理。

 

对应用层面的开发来说，赛灵思支持流行的框架，包括用于机器学习的 Caffe 和用于计算机视觉的 OpenVX（将于 2017 年下半年推出）。reVISION 堆栈还包括赛灵思和第三方提供的基于 Zynq SoC 和 MPSoC 的开发平台。

reVISION 开发流程从 熟悉的C、C++ 和/或 OpenCL 语言及相关编译器技术的基于 eclipse 的开发环境（即 SDSoC 开发环境）启动。在 SDSoC 环境中，软件工程师和系统工程师能以 reVISION 硬件平台为目标，并采用大量的加速就绪型计算机视觉库，很快还能采用OpenVX框架，从而快速构建应用。