XC6VLX550T-L1FF1760C_XC5VLX85-1FFG676I导读

从自动驾驶汽车到 AI 辅助医疗诊断，我们正处于一个真正的变革时代的开端。AI
已经开始改变我们生活的方方面面，推动了显著的社会进步。

图像预处理/后处理通过 Vivado 使用 HLS 实现，而 Vitis
的作用是使用连接文本提议网络（CTPN）完成推断。Softnautics 采用了赛灵思 Vitis AI 堆栈并运用该软件提供加速，开发出混合应用，同时实现了
LSTM 功能，通过将 TensorFlow-lite 移植/迁移到 ARM 进行有效的序列预测。最终，Softnautics
将该解决方案用于视频流水线中的实时场景文本检测，并使用可靠的数据集对模型进行改进。它使用 N2Cube 软件在处理侧（PS）运行。

XC6VLX75T-L1FFG484C

再加上大小写（大写/小写/全大全小/小型大写）、斜体（意大利体/罗马体）、缩放体（横向缩放）、粗细、指定大小（显示/文本）、波痕体、衬线（总体分为衬线体和无衬线体），这一数量可以扩充到数百万，使得文本识别成为机器学习领域中一个振奋人心的专业学科。随着人类语言书写形式的演进，已经发展出数千种独特的字体系。

再加上大小写（大写/小写/全大全小/小型大写）、斜体（意大利体/罗马体）、缩放体（横向缩放）、粗细、指定大小（显示/文本）、波痕体、衬线（总体分为衬线体和无衬线体），这一数量可以扩充到数百万，使得文本识别成为机器学习领域中一个振奋人心的专业学科。随着人类语言书写形式的演进，已经发展出数千种独特的字体系。
。

FPGA的设计中使用了多种功耗驱动的设计技术。以Xilinx
Virtex系列为例，因为配置存储单元可占到FPGA中晶体管数的1/3，所以在该系列中使用了一种低漏电流的“midox”晶体管来减少存储单元的漏电流。DSP模块中乘法器的功耗不到FPGA架构所构建乘法器的20%。鉴于制造偏差可导致漏电流分布范围很大，可筛选出低漏电流器件，以有效提供核心漏电功耗低于60%的器件。动态功耗问题则用低电容电路和定制模块来解决。为了减少静态功耗，还全面采用了较长沟道和较高阈值的晶体管。

它能够根据软件和算法自动适配赛灵思硬件，无需具备 VHDL 或 Verilog 专业知识。赛灵思
Vitis? 是一款免费、开源的开发平台，可将硬件模块封装成软件可调用功能，同时与标准的开发环境、工具和开源库兼容。

XC5VLX85T-1FFG1136I

XC6VLX130T-1FFG784C XC6VLX130T-1FFG784I
XC6VLX130T-1FF484C XC5VSX95T-3FF1136C XC5VSX95T-2FFG1136I XC5VTX240T-1FF1759C
XC5VTX240T-3FF1759C XC5VTX240T-3FFG1759C XC6VLX130T-1FF1156C XC6VLX130T-1FF1156I
XC5VTX240T-2FF1759C XC5VTX240T-1FF1759I XC5VTX240T-1FFG1759C XC5VSX95T-3FFG1136C
XC5VSX95T-1FFG1136C XC5VSX50T-3FFG665C XC5VSX95T-1FF1136C XC5VTX240T-1FFG1759I
XC5VSX95T-2FFG1136C XC5VSX95T-1FFG1136I XC5VSX95T-2FF1136C XC5VSX95T-1FF1136I
XC5VSX50T-2FF665C XC5VSX50T-2FFG665C XC5VSX50T-2FFG1136I XC5VSX95T-2FF1136I
XC5VSX50T-3FFG1136C XC5VSX50T-2FFG665I XC5VSX50T-2FFG1136C XC5VSX50T-3FF665C
XC5VSX50T-1FFG1136C XC5VSX50T-1FF1136I XC5VSX50T-3FF1136C XC5VSX50T-1FF665I
XC5VSX50T-2FF1136C XC5VSX50T-1FFG1136I XC5VSX50T-1FF665C XC5VSX50T-1FFG665I
XC5VSX35T-2FF665I XC5VSX35T-2FF665C 。

XC6VLX365T-3FFG1759C XC6VLX550T-1FF1760C
XC6VLX550T-1FF1759I XC6VLX365T-3FF1156C XC6VLX550T-1FF1760I XC6VLX550T-1FFG1760C
XC6VLX550T-1FFG1759I XC6VLX550T-1FF1759C XC6VLX240T-3FF1156C
XC6VLX240T-2FFG1759I XC6VLX240T-2FFG1759C XC6VLX240T-1FFG1759I
XC6VLX240T-1FFG1759C XC6VLX240T-1FFG1156I XC6VLX240T-1FFG1156C
XC6VLX240T-2FF1759I XC6VLX195T-2FFG784C XC6VLX195T-3FF1156C XC6VLX195T-3FF784C
XC6VLX240T-2FFG1156I XC6VLX240T-2FFG1156C XC6VLX240T-2FF784I XC6VLX240T-2FF784C
XC6VLX240T-3FF1759C XC6VLX240T-1FF784C XC6VLX240T-1FF1759I XC6VLX195T-1FFG784C
。

XCV200-6BG256AF XCV200-5PQG240I XCV200-5PQG240C
XCV200-5PQ240I XCV200-5PQ240C XCV2005PQ240C XCV200-5FGG456I XCV200-5FGG456C
XCV200-5FGG256I XCV200-5FGG256C XCV200-5FG456I XCV200-5FG456C XCV200-5FG456
XCV200-5FG256I XCV200-5FG256C XCV200-5BGG352I XCV200-5BGG352C 。

XC7K410T-2FFG900I XC7K410T-2FFG900C XC7K410T-2FFG676I
XC7K410T-1FFG900I XC7K480T-1FFG1156I XC6VLX550T-3FFG1760C XC6VLX75T-1FFG784C
XC6VLX75T-1FFG484I XC6VLX75T-1FFG484C XC6VLX75T-1FF784I XC6VLX365T-3FF1759C
XC6VLX365T-3FFG1156C XC6VLX365T-2FFG1156C XC6VLX550T-2FF1760I
XC6VLX550T-3FFG1759C XC6VLX550T-3FF1760C XC6VLX550T-3FF1759C
XC6VLX550T-2FFG1760I 。

因此，在用VivadoHLS实现OpenCV的设计中，需要将输入和输出HLS可综合的视频设计接口，修改为Video
stream接口，也就是采用HLS提供的video接口可综合函数，实现AXI4 video
stream到VivadoHLS中hls::Mat<>类型的转换。VivadoHLS视频处理函数库使用hls::Mat<>数据类型，这种类型用于模型化视频像素流处理，实质等同于hls::steam<>流的类型，而不是OpenCV中在外部memory中存储的matrix矩阵类型。

而CvMat和IplImage类型更侧重于“图像”，OpenCV对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。OpenCV中常见的与图像操作有关的数据容器有Mat，CvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高。