Výsledky vyhledávání
- 1.0585387 - ÚTIA 2025 RIV CZ eng L - Prototyp, funkční vzorek
Kadlec, Jiří - Pohl, Zdeněk - Kohout, Lukáš - Likhonina, Raissa
Adaptive Lattice Filter on STM32H7 Devices.
Interní kód: STM32H7_lattice_rev01 ; 2024
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí STM32CubeIDE pro překlad a ověření knihoven adaptivních RLS Lattice filtrů na vývojových deskách STM32 Nucleo 144.
Ekonomické parametry: Knihovny adaptivnich RLS Lattice filtrů na vývojových deskách STM32 Nucleo144 dovolují změřit FP32 výkon a spotřebu STM32 čipů.
Grant CEP: GA MŠMT 8A21009
Klíčová slova: embedded systems * edge computing * Lattice filter 8 FP32 * STM32H7 microcontroller
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=STM32H7_lattice_rev01
Trvalý link: https://hdl.handle.net/11104/0353244 - 2.0571124 - ÚTIA 2024 RIV CZ eng L - Prototyp, funkční vzorek
Kohout, Lukáš - Pohl, Zdeněk - Kadlec, Jiří
Xilinx Vitis AI facedetect and resnet50 Demo on Trenz Electronic TE0802 02 with ZU2CG and 1 GB LPDD4.
Interní kód: te0802_2cg_vitis_ai_resnet50 ; 2023
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci HW akcelerované aplikace detekce obličejů pro Trenz Electronic vývojovou desku TE0802.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Detekce obličejů je akcelerována jednou optimalizovanou Xilinx DPU (data processing unit) provádějící inferenci v neuronové síti, která je implementována v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky BRAM paměti a s distribuovanou pamětí v programovatelné logice. S připojenou USB kamerou systém zpracuje až 16 FPS. Výkon optimalizované DPU (bez SW předzpracování signálu z USB kamery) je pro tuto aplikaci až 80 FPS. Systém podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet nebo alternativně DisplayPort grafický výstup na monitor s X11 plochou. Dokument obsahuje návod a potřebné soubory pro konfiguraci a překlad neuronové sítě pro optimalizovanou DPU pro aplikaci detekce obličejů.
Grant CEP: GA MŠMT 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * Vitis AI 2.0 * AMD-Xilinx * Zynq UltraScale+
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=te0802_2cg_vitis_ai_resnet50
Trvalý link: https://hdl.handle.net/11104/0342451 - 3.0571123 - ÚTIA 2024 RIV CZ eng L - Prototyp, funkční vzorek
Kohout, Lukáš - Pohl, Zdeněk - Kadlec, Jiří
Xilinx Vitis AI facedetect Demo on Trenz Electronic TE0820 4EV SoM with TE0701 06 Carrier Board and Avnet HDMI In/Out FMC Card.
Interní kód: te0820_4ev_vitis_ai_vcu ; 2023
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci celkem padesáti HW akcelerovaných aplikací AI inference pro rodinu Trenz Electronic modulů s HDMI video vstupem a HDMI video výstupem pomoci FMC modulu Imageon.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Vyžaduje Xilinx licenci. SW pracuje s knihovnami a drivery OpenCL, OpenCV4, XRT spolu s Vitis AI knihovnou a SW rozhraním VART. Aplikace jsou akcelerovány jednou Xilinx DPU (data processing unit) provádějící inferenci v různých neuronových sítích, které jsou implementovány v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky URAM paměti. Systém podporuje s HDMI video vstupem a HDMI video výstupem pomoci FMC modulu Imageon a podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet.
Grant CEP: GA MŠMT 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * AMD-Xilinx Vitis AI 2.0 * Zynq UltraScale+ * HDMI input * HDMI output
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=te0820_4ev_vitis_ai_vcu
Trvalý link: https://hdl.handle.net/11104/0342452 - 4.0567364 - ÚTIA 2023 RIV CZ eng L - Prototyp, funkční vzorek
Pohl, Zdeněk - Kohout, Lukáš - Kadlec, Jiří
Xilinx Vitis AI 'facedetect' Demo on Trenz Electronic board TE0808 SoM + TEBF0808 Carrier.
Interní kód: facedetect ; 2022
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci HW akcelerované aplikace detekce obličejů pro rodinu Trenz Electronic modulů TE0808 s obvodem Zynq Ultrascale+ na základové desce TEBF0808.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Vyžaduje Xilinx licenci. Detekce obličejů je akcelerována jednou Xilinx DPU (data processing unit ), provádějící inferenci v neuronové síti, která je implementována v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky URAM paměti. Při vstupu z USB kamery systém zpracuje až 30 FPS. Výkon DPU (bez SW předzpracování signálu z USB kamery) je pro tuto aplikaci až 200 FPS. Systém podporuje DisplayPort grafický výstup na monitor s X11 plochou nebo alternativně podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet.
Grant CEP: GA MŠMT 8A21009
GRANT EU: European Commission 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * Vitis AI 2.0 * AMD-Xilinx * Zynq UltraScale+
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=facedetect
Trvalý link: https://hdl.handle.net/11104/0339732 - 5.0567359 - ÚTIA 2023 RIV CZ eng L - Prototyp, funkční vzorek
Pohl, Zdeněk - Kohout, Lukáš - Kadlec, Jiří
All VART Examples from Xilinx Vitis AI 2.0 for Trenz Electronic board TE0808 SoM + TEBF0808 Carrier.
Interní kód: VART ; 2022
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci celkem padesáti HW akcelerovaných aplikací AI inference pro rodinu Trenz Electronic modulů TE0808 s obvodem Zynq Ultrascale+ na základové desce TEBF0808.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Vyžaduje Xilinx licenci. SW pracuje s knihovnami a drivery OpenCL, OpenCV4, XRT spolu s Vitis AI knihovnou a SW rozhraním VART. Aplikace jsou akcelerovány jednou Xilinx DPU (data processing unit ), provádějící inferenci v různých neuronových sítích, které jsou implementovány v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky URAM paměti. Systém podporuje vstup z USB kamery nebo ze souboru a DisplayPort grafický výstup na monitor s X11 plochou nebo alternativně podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet.
Grant CEP: GA MŠMT 8A21009
GRANT EU: European Commission 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * AMD-Xilinx * Vitis AI 2.0 * Zynq UltraScale+
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=VART
Trvalý link: https://hdl.handle.net/11104/0339733 - 6.0567340 - ÚTIA 2023 RIV CZ eng L - Prototyp, funkční vzorek
Pohl, Zdeněk - Kohout, Lukáš - Kadlec, Jiří
Testing all Samples from Xilinx Vitis AI Library 2.0 on Trenz Electronic board TE0808 SoM + TEBF0808 Carrier.
Interní kód: vitis_ai_library_samples ; 2022
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci celkem padesáti HW akcelerovaných aplikací AI inference pro rodinu Trenz Electronic modulů TE0808 s obvodem Zynq Ultrascale+ na základové dece TEBF0808.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Vyžaduje Xilinx licenci. SW pracuje s knihovnami a drivery OpenCL, OpenCV4 a XRT. AI aplikace jsou akcelerovány jednou Xilinx DPU (data processing unit), provádějící inferenci v různých neuronových sítích, které jsou implementovány v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky URAM paměti. Systém podporuje vstup z USB kamery nebo ze souboru a DisplayPort grafický výstup na monitor s X11 plochou nebo alternativně podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet.
Grant CEP: GA MŠMT 8A21009
GRANT EU: European Commission 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * Vitis AI 2.0 * AMD-Xilinx * Zynq UltraScale+
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=vitis_ai_library_samples
Trvalý link: https://hdl.handle.net/11104/0339734 - 7.0567330 - ÚTIA 2023 RIV CZ eng L - Prototyp, funkční vzorek
Pohl, Zdeněk - Kohout, Lukáš - Kadlec, Jiří
Xilinx Vitis AI ‘facedetect’ and ‘resnet50’ Demo on Trenz Electronic TE0821-01-2cg-4GB SoM + TE0706-3 Carrier.
Interní kód: te0821_2cg_vitis_ai ; 2022
Technické parametry: Dokument obsahuje návod a potřebné soubory pro konfiguraci vývojového prostředí Xilinx Vitis 2021.2.1 AI 2.0 pro kompilaci HW akcelerované aplikace detekce obličejů pro Trenz Electronic modul TE0821 s obvodem Zynq Ultrascale+ na základové dece TE0706.
Ekonomické parametry: Vývojové prostředí Xilinx Vitis 2021.2.1 AI 2.0 pracuje v OS Ubuntu 20.04. Detekce obličejů je akcelerována jednou optimalizovanou Xilinx DPU (data processing unit ), provádějící inferenci v neuronové síti, která je implementována v int8 aritmetice s hodinovým kmitočtem 400MHz. DPU pracuje s bloky BRAM paměti a s distribuovanou pamětí v programovatelné logice. S připojenou USB kamerou systém zpracuje až 16 FPS. Výkon optimalizované DPU (bez SW předzpracování signálu z USB kamery) je pro tuto aplikaci až 100 FPS. Systém podporuje X11 zobrazení na PC připojeném přes 1Gb Ethernet. Dokument obsahuje návod a potřebné soubory pro konfiguraci a překlad neuronové sítě pro optimalizovanou DPU pro aplikaci detekce obličejů.
Grant CEP: GA MŠMT 8A21009
GRANT EU: European Commission 8A21009
Klíčová slova: artificial intelligence * object detection * embedded systems * edge computing * Vitis AI 2.0 * AMD-Xilinx * Zynq UltraScale+
Obor OECD: Computer hardware and architecture
https://zs.utia.cas.cz/index.php?ids=results&id=te0821_2cg_vitis_ai
Trvalý link: https://hdl.handle.net/11104/0339735