该参考设计使用一颗图像传感器在莱迪思低功耗FPGA上实现了基于卷积神经网络（CNN）的人脸识别应用。训练过程是在GPU上完成的，可以让CNN准确地检测人脸上的点，从而检测和分辨出人脸差异。该设计可用于检测其他目标，只需修改训练数据库即可。
该设计通过硬件实现，包括SPI、DDR存储器接口模块、图像信号处理引擎、8个CNN加速引擎和计数与标记叠加引擎来显示注册和识别的结果。
该设计在FPGA上部署后，用户可以在注册阶段通过提取和存储256个16位值（代表不同的面部特征）来注册其面部信息。在识别阶段，注册人员站在设备面前时，将提取其256个16位值并将之与存储的数值列表进行比较验证。
特性
- 类似VGG8的网络——8个（卷积、批标准化）层+4个池化层+1个全连接层
- 采用了约100万张图像对神经网络进行训练，包括针对各种环境下的识别增强
- 性能最高可达30 FPS
- 功耗：ECP5 85K功耗为850 mW；CrossLink-NX 40K功耗仅为200 mW
