960路高清视频解码,480路智能解析
576路高清视频解码,288路智能解析
BM1684X,416路高清视频智能解析
X86主控,288路1080p高清视频智能解析
BM1684X,32路高清视频智能解析
BM1684,16路高清视频智能解析
BM1684,192路高清视频智能解析
BM1684,8路高清视频智能解析
CV186AH,8路高清视频智能解析
BM1688,16路高清视频智能解析
72路全高清硬解码与智能分析
96路全高清硬解码,48路智能分析
32路高清硬解码,16路智能分析
32路高清硬解码与智能分析
32路高清硬解码与智能分析
32路高清硬解码,16路智能分析
32路高清硬解码,16路智能分析
深度学习开发者产品组合
视频实时压缩转码上云和监测异常事件,增强道路运行安全事件的发现和处置能力
为交通拥堵、行车安全、车辆违法和道路污染治理问题赋能
以国产化算力支撑海量视频的结构化解析,服务警务应用实战
以数据为中心打造“智能、协同、高效、创新”的步态识别大数据分析系统
为用户快速构建融合人、车、通行等多维数据的业务能力
算能运用自研算力硬件设备SG6/SE5/SE6,搭载SOPHON.TEAM视频分析算法,助力工业安全生产智能化
为粮仓、棉仓等大型仓储园区的办公、质检、磅房、库区等区域提供了违规行为和异常事件的安全监控方案
算能联合SOPHON.TEAM生态伙伴打造烟草行业安全生产深度学习管控解决方案
算能联合SOPHON.TEAM生态伙伴,以自研国产化深度学习算力产品为硬件底座,构建安全生产管理体系,提高白酒企业安全生产管理水平
算能联合SOPHON.TEAM生态伙伴构建智算中心解决方案,建设统一管理和调度的云边协同的智算中心
算能联合SOPHON.TEAM生态共同构建了一套以自研国产化深度学习算力产品为硬件底座,以AutoML零代码自动化深度学习训练平台为基础,实现快速、高效的深度学习工程化落地
工具链和demo:https://github.com/sophgo/tpu-mlir
TPU-MLIR是算能智能处理器的TPU编译器工程。该工程提供了一套完整的工具链, 其可以将 不同框架下预训练的神经网络, 转化为可以在算能TPU上高效运算的模型文件 bmodel
/cvimodel
。
TPU-MLIR的整体架构如下:
目前直接支持的框架有PyTorch、ONNX、TFLite和Caffe。其他框架的模型需要转换成ONNX模型。 如何将其他深 度学习架构的网络模型转换成ONNX, 可以参考ONNX官网: https://github.com/onnx/tutorials。
算丰智算处理器BM1684X,是面向推理的算力处理器。可集成于智算服务器、边缘智算盒、工控机等多种类型产品,高效适配市场上所有算法,实现图片分类、目标检测、实例分割、语义分割、行为分析、文字识别、语言处理、语音识别、语音合成、搜索推荐等应用,为各个行业进行赋能;具有超高性能计算能力,超强编解码能力,部署灵活,强易用性等优势。
1.参赛作品必须有demo演示;
2.初赛阶段:选手根据所选场景完成方案制作,提交完整解决方案,并完成核心算法与硬件的适配。方案需要将算法与硬件结合,运用算能BM1684x云空间资源进行方案撰写;
3.复赛阶段:优化算法移植的性能,并完成线下路演;
4.决赛阶段:解决方案内所有算法需完成在算能硬件上移植与部署,最终评选优秀性能算法进行算法集采;
5.参赛作品拥有商业实战案例,或者作品正在商用/试商用过程中,将会成为加分项;
6.具有独特的产品、技术或者商业模式,对项目拥有自主知识产权。
(一)初赛(总分20分):
1) 项目可行性和创新性(5分):评估项目的创新性和独特性,以及实施计划的可行性。
2) 技术方案和方法(10分):评估技术方案的合理性、科学性和可行性,是否符合竞赛要求。
3) 项目进度和规划(5分):评估项目的进度规划,以及团队在初赛阶段的准备情况。
(二)复赛(总分30分):
1) 算法移植和性能(15分):评估参赛团队将算法移植到指定硬件平台的质量和性能表现。
2) 系统稳定性和可靠性(10分):评估移植后的系统的稳定性和可靠性,是否能在实际应用中稳定运行。
3) 路演展示(5分):评估团队在复赛现场的路演展示,包括演示效果、展示技巧和沟通能力等。
(三)决赛(总分50分)
1)方案完整性(算法、软件)(15分):评估项目整体完备程度,包括算法和系统鲁棒性。
2)方案交付能力(15分):评估项目迁移部署的难易度,能否在实际场景中完成特定任务。
3)方案创新性与商业价值(20分):评估项目的创新性和潜在商业价值。