Och vinnarna är: Xilinx tillkännager vinnare i sitt första Adaptive Computing Challenge-tävling

Sommaren 2020, vi meddelade den allra första Xilinx Adaptive Computing Challenge! Vi samarbetade med hackster.io att utmana oberoende utvecklare att skapa spännande nya applikationer med Vitis Unified Software Platform och Vitis AI på utvalda Xilinx hårdvaruplattformar. Deltagarna utmanades att lösa verkliga ordproblem på nya och innovativa sätt. Våra globala deltagare tävlade i tre kategorier: Intelligent Video Analytics med hjälp av ZCU104 Utvärderingssats, Anpassningsbar datoracceleration som utnyttjar Accelerationskort för Alveo U50, och adaptiv intelligens av saker med hjälp av Avnet Ultra96-V2 Development Board.

Vi fick över 70 unika globala projektansökningar. Varje deltagare visade upp sin expertis genom sina innovativa designlösningar. Från accelerationen av binära neurala nätverk för att lösa förstärkningsinlärningsutmaningar till ett FPGA-baserat system som övervakar ansiktsmaskanvändning genom AI och automatiskt falldetekterings- och varningssystem för äldre vuxna, var kreativiteten och tankeprocessen för utmaningen verkligen uppvisad i varje innovativ designlösning.

Även om många projekt var exceptionella valde våra domare de tre bästa projektvinnarna i varje kategori, som fick priser upp till $ 10,000 XNUMX (USD). Från oss alla på Xilinx, grattis till följande vinnare! 

Kategori 1: Anpassningsbar datoracceleration

1. Acceleration av binära neuronätverk med Xilinx FPGA av Raul Valencia: Utnyttja Xilinx FPGA: s hårdvara för att träna neuroutvecklade binära neuronätverk och lösa sedan problem med förstärkningslärande.
2. Covid4HPC - En snabb och exakt lösning för Covid-detektering av Dimitrios Danopoulos: Upptäcka Covid-19 från röntgenbilder med CNN på FPGA-moln.
3. ThunderGP: HLS-baserad ram för grafbehandling på FPGA: er av Xinyu Chen: ThunderGP gör det möjligt för dataforskare att njuta av prestanda för FPGA-baserad grafbehandling utan att kompromissa med programmerbarheten.

Kategori 2: Intelligent videoanalys

1. Facemask Detector av Victor Altamirano: FPGA-baserat system som övervakar ansiktsmaskanvändning genom artificiell intelligens, inkluderar en termometer och ansiktsmaskdispenser.
2. Automatisk fallupptäckt för äldre av Jinin K Jose, Nevil Shah och Rohin Kumar: Människans fall är en viktig orsak till dödsfall hos äldre. Det kan förhindras med en automatisk fallavkännings- och varningssystem.
3. Kassan är så enkel - Smart Retail System i realtid för FPGA av Team MAAX: Distribuera en objektdetekteringsmodell på DPU för att bygga ett system som kan visa upptäckta varor i VCU-avkodad video eller bilder från kameran.

Kategori 3: Adaptiv intelligens av saker

1. Quad96 av Ussama Zahid: Quadcopterkontroll och polbalansering med hjälp av Deep Reinforcement Learning och handgester på Ultra96
2. Hårdvaruaccelererad realtidsuppfattning i 3D (HARP-3D) av Sambit Mohapatra: End-to-end demonstration av 3D-detektering av objekt i LiDAR-punktmoln med hjälp av ett djupt neurala nätverk som körs på ULTRA96V2.
3. LAMP-FPGA: Accelerating Time Series Similarity Prediction av Amin Kalantar och Philip Brisk: Förutsäger liknande mönster i tidsseriedata på Ultra96-V2 FPGA-kort

Läs mer om vinnarna och deras projekt på Adaptiv datorutmaning sida på vår nyligen ombyggda Xilinx-utvecklare plats.

Vi är också glada att meddela att den uppdaterade utvecklarwebbplatsen kommer att innehålla en ny funktion för utvecklargemenskapen, the Xilinx utvecklarprogram. Det kostnadsfria programmet ger nödvändiga resurser för utvecklare att skapa framgångsrika applikationer på alla Xilinx-plattformar. Medlemmar har tillgång till de senaste Xilinx-utvecklingsverktygen, exklusiva handledning, utbildning, möjligheter att dela personlig teknisk insikt och projekt och många fler viktiga fördelar.

Vi välkomnar dig att gå med i vårt växande community för utvecklarprogram och hålla koll på vårt kommande Adaptive Computing Challenge Startup-tävling startar sommaren 2021!