可编程解决方案——该演示在莱迪思低功耗FPGA上实现,采用机器学习识别不同的人脸。经过训练的卷积神经网络(CNN)通过提取每张注册人脸照片的256个16位特征点来准确地实现人脸识别。
现场注册——该演示无需重新训练即可注册和识别人脸,无需上传图像和使用GPU进行繁复的重新训练。
快速实现—— 该演示采用的开发板支持用于8层CNN加速器的RTL模块、图像传感器互连和设置、图像传感器处理器和存储器管理,便于修改。
特性
- 经过训练的类似VGG8的CNN网络来检测人脸上的测量点
- 无须重新训练网络即可在现场注册和识别新面孔
- 帧率高达30 PFS
- ECP5 85K FPGA功耗为0.85 W;CrossLink-NX 40K FPGA功耗仅为200 mW








