https://embeddedvisionsummit.com/demo-directory
使用我们的技术演示找到下一个改变游戏规则的供应商！
什么是技术演示？这是一个5-7分钟的简短演示，参展商会带你了解他们的技术，最重要的是，他们会现场回答你的任何问题。我们设计的演示是一种快速有效的方法，可以在这个快速发展的领域保持领先地位，并获得构建下一个产品所需的信息。
演示15分钟，包括问答，所以你可以在一个小时看到多达四个演示！它们安排如下：
- 星期二，5月25日上午11点至下午12点
- 星期三，5月26日下午1-2点
- 星期四，5月27日下午12:00-1:00
- 星期五，5月28日上午10:00-11:00
注意：有些公司可能会选择在峰会的四天内都不展示演示。如果特定的演示在预定的演示时间内不可用，请联系该公司，并通过其参展商简介页面上的消息按钮询问何时可用。
白金赞助商
动手演示：低计算图像分类与Himax单色相机
Himax HM0360 是一款超低功耗 VGA 单色相机，专为节能智能视觉应用而设计。此演示将带与会者通过创建和运行图像分类模型的过程，使用边缘脉冲工作室和 Himax WE-I Plus 板提供灰度图片数据集。（代表：Aurelien Lequertier，用户成功工程师）
动手演示：基于Arduino Portenta的准确数字识别
在许多应用和市场领域（如杂货零售、制造、公用事业计量和管理）中，使用计算机视觉进行数字识别是可取的。此演示将深入到使用边缘脉冲和 Arduino Portenta H7 + 视觉盾的数字识别系统的实施中，该系统仅靠电池供电即可在现场停留多年，并且以较低的拥有成本实现。（代表：Zin Kyaw，高级用户成功工程师）
动手演示：Jetson Nano高速物体检测
在此演示中，您将学习如何利用 Linux 设备的功率简单有效地使用边缘脉冲检测对象。不再需要成为机器学习专家，以便识别环境中的对象。（代表：Jenny Plunkett，用户成功工程师）
动手演示：5 美元以下的有效图像分类解决方案
ESP32-CAM 以其超低价格、广泛的功能和能源效率而闻名，广泛应用于经济实惠的物超所向的物超所向解决方案中。此演示将展示如何通过使用边缘脉冲的智能功能增强这种微控制器来打开新的应用领域。不再需要成为机器学习专家，以便使用传输学习技术对图像进行分类。（代表：Louis Moreau，用户成功工程师）
写一次，到处运行的OpenVINO
人工智能生态系统是支离破碎的：许多解决方案需要专门的硬件或特定的框架、库、API 或可能与当前开发环境相冲突的工具。通过 OpenVINO 工具包和 OpenVINO 笔记本，我们统一了体验和基础技术，以便您现在能够在不到 10 分钟内轻松运行、部署和测试您的 AI 原型。在此演示会话中，我们将向您展示"幕后"的演示方式和方式。（代表：Raymond Lo，开放维诺软件传道人）
英特尔开发云边缘
了解如何使用英特尔 DevCloud 进行边缘应用，该边缘环境可在 Web 浏览器中访问。我们将向您展示如何访问预构建的样品、开发资源、英特尔最新版本® OpenVINO-工具包的分布以及一套英特尔硬件。（代表：Monique Jones，英特尔开发云边缘技术产品经理）
加快开发边缘智能解决方案与英特尔边缘软件中心
此演示描述了在边缘连接设备的重要性和挑战，以及英特尔边缘软件中心如何帮助您针对各种使用案例部署一键式应用程序。我们将展示各种预先验证的参考实现演示，以及解释英特尔为众多使用案例提供的软件包。（代表：Chen Su，产品营销工程师）
金牌赞助商
基于OpenMV的实时对象跟踪
本课程将演示如何使用 MicroPython 以及量化的 TensorFlow 精简板微控制器模型来运行一个杯子检测程序，跟踪图像中的杯子数量。您将学习如何创建数据集、训练模型并将神经网络模型部署到 OpenMV H7 板上。演示首先使用每个帧上的经典图像处理方法跟踪图像中的杯子数量，然后将中期结果传递给模型，以查找斑点并根据斑点的颜色、形状、宽度和高度制作边界框。（代表：Carlo Grisafi，IoT开发者倡导者）
将健身房移到您的客厅：智能电视上的身体姿势跟踪
在过去的一年里，我们经历了生活方式的改变，这使家庭健身受到很大关注。与此同时，我们看到深度学习技术取得了许多进步，智能电视和其他家用设备中的摄像头也有所增加。在本期会议上，我们将演示我们的健身应用程序，对Arm CPU 和 GPU 进行实时身体姿势估计和跟踪。我们将使用 Google 的 BlazePose 模型分享一些出色的结果，并讨论在 Arm 平台上创造身临其境体验的挑战和机遇。（代表：Mina Dimova , 工作人员软件工程师）
在Arm上部署云原生视觉工作负载的开源方法
本次演示将展示如何使用基于开源的轻量级 Kubernetes 编排来部署和管理边缘设备上的视觉和机器学习工作负载。（代表：Umair Hashim,首席解决方案工程师）
基于颜色的对象检测系统，用于视觉 AI 应用程序
BASF将展示一个由摄像头、LED 照明和颜色组成的物体检测系统，该系统旨在作为产品标识符。该系统可用于提高涉及制造消费品的使用案例的对象检测性能，以及为神经网络培训图像集贴标签。（代表：Ian Childers，技术主管）
传感器融合 –Blaize探路者 P1600 上的语义分割处理
本课程将演示传感器融合和语义分割，用于将从全高清摄像机以及独立嵌入式系统 Blaize 探路者 P1600 上的激光雷达和雷达传感器接收的数据融合在一起。（代表：Doug Watt，现场应用工程总监）
Blaize Xplorer X1600E 上的多摄像头对象检测
此演示将显示在Blaize Xplorer X1600E 上运行的多摄像头对象检测。使用案例使用 5 个独立 YoloV3 网络处理 5 个独立高清视频流，延迟小于 100 毫秒，在边缘进行真正的实时处理。（代表：Shawn Holiday，客户成功资深总监）
Blaize Picasso SDK：人与姿势检测， 关键点跟踪
本会话演示了建立在布莱兹毕加索 SDK 上的高分辨率、多神经网络和多功能图形原生应用，以布莱泽 Xplorer X1600P 为主机系统。（代表：Rajesh Anantharaman，资深产品总监）
基于 Tensilica DSP 平台的视觉和人工智能应用的节奏演示
在本届会议上，Cadence 视觉和 AI DSP 的高级产品经理兼营销经理 Amol Borkar 将展示驾驶员监控、汽车感知、6DoF SLAM 和语义细分的实时示例，这些示例均在 Tensilica 处理器和 DSP 上运行。
利用Hailo-8AI处理器的高吞吐量，提高边缘的大规模物体检测
Hailo-8 AI 处理器提供的高吞吐量不仅可以同时处理多个摄像机，还可以提高高分辨率视频中的检测精度。平铺是一个专用应用程序，允许开发人员将高分辨率图像分解成多个输入流，从而使小型和遥远的对象即使在非常繁忙和动态的环境中也能够检测到。Hailo 的开箱即用的 TAPPAS 应用程序是实现地面运行的好方法，使模型的开发和部署更加容易，并加快了上市时间。（代表：Yaniv Sulkes，产品营销与汽车副总裁）
Hailo-8AI处理器在边缘的最先进的对象检测
YoloV5m 是一种用于对象检测的高端神经网络模型，是计算机视觉的基本任务。Hailo-8 AI 芯片可通过高分辨率视频输入以实时帧速率运行此模型，为智能城市、智能零售、企业和其他市场的监控应用提供强大的解决方案。Hailo-8 由海洛 TAPPAS 工具包中包含的专用开箱即用应用程序提供支持，旨在加快上市时间，便于开发和部署高性能边缘应用程序。（代表：Nadav Eden，技术客户经理）
Lattice半导体的CrossLink-NX：人类的存在和计数
本次演示展示了一个开发板，该开发板基于Lattice 半导体连结平台，配备了一个十字链接-NX FPGA。FPGA 被编程为执行人类存在检测和计数，在许多应用程序中发现的常见 AI 使用案例。（代表：Hussein Osman，产品营销经理）
ECP5 上的Helion ISP
Lattice半导体与Helion视觉合作，将其业界领先的IONOS图像信号处理（ISP）IP产品组合引入Lattice ECP5 FPGA。此演示展示了 Helion-Vision 图像处理算法的质量，以及显示图像叠加等可选功能。（代表：Mark Hoopes，产品营销总监）
Ignitarium AI 单位检查
该演示由Lattice半导体合作伙伴、应用人工智能技术专家Ignitarium开发。它显示了如何在Lattice ECP5 FPGA 上实现高效的机器学习/AI 算法以执行复杂的任务。在这种情况下，该算法在通过传送带时会寻找有缺陷的产品，其速度更高，结果质量也比任何传统或人为方法都好。（代表：Hussein Osamn，产品营销经理）
用于人机安全的空间人工智能和CV
在人们需要与潜在危险设备交互的情况下，通常无法对设备进行物理防护或"哑巴防护"（例如，使用声纳或激光）。在这种情况下，您不仅需要辨别设备"红色区域"中存在对象，还需要辨别该对象是什么：有些东西（例如有锯子的木板）应该在那里，而有些东西（例如人四肢）不应该在那里！正如本会议所示，嵌入式空间人工智能和计算机视觉使此类计算机能够智能感知物体，从而能够智能防护以保护人员，同时不对正常操作产生不利影响。（代表： Shawn McLaughlin，副总裁）
神经推理控制作物/缩放和 H.265 编码
在此演示中，我们将演示如何使用神经网络来引导高分辨率图像传感器 （12MP） 的哪个部分输出到 2MP （1920x1080） h.265 编码的视频流。此功能允许神经网络或计算机视觉算法（例如，运动估计）来指导该动作在给定场景中的位置，然后将（无损 6 倍）放大到该操作中，h.265 编码由此产生的 1920x1080 感兴趣区域。（代表：Martin Peterlin，首席技术官）
骑自行车的人的从后面碰撞检测
在本次演示中，我们将展示一个本地化和估计您身后车辆轨迹的示例，以确定它们是否在撞击你的轨道上。太多人被分心的司机从后面撞了。让我们使用嵌入式、执行空间人工智能和计算机视觉来解决这个问题！（代表：Brandon Gilles，首席执行官）
汽车摄像头高效驾驶员监控
在此次演示中，Nextchip 将与 PathPartner 技术公司合作，根据其 ADAS SoC APACHE4 提供驾驶员监控系统 （DMS） 解决方案。该解决方案包括分心和嗜睡检测算法，移植到 APACHE4 中的 CEVA XM-4 DSP（提供 77 GMAC 的性能）。得益于精心设计的平台和优化的算法，该解决方案既提供高帧速率，又提供高精度。（代表：Jessie Lee,，技术营销员（GM））
Nextchip 的成像信号处理器：支持功能
在本届会议上，Nextchip 将展示其成像信号处理器 （ISP） 专业知识，展示汽车应用的各种 ISP 功能。Nextchip 的 ISP 管道由公司全面开发，从而提高了调谐功能。Nextchip 将演示在 ISP 上运行的以下算法和功能：高动态范围 （HDR）、LED 闪烁缓解 （LFM）、自动校准和除颤。（代表：Jesse Lee Kim，技术营销员（GM））
启用智能汽车摄像头ADAS SOC
在本次演示中，Nextchip 将展示其边缘图像处理器 APACHE4 和 5，它们是 ADAS SoCs，为具有各种"智能"功能的摄像机提供支持。由于产品设计用于车辆的摄像头模块，因此功耗非常低，而且非常小。演示将展示 SoCs 的各种使用案例，以及组织良好的 APACHE5 SDK。（代表：James Kim，技术营销员（董事））
选择卡，任何卡：使用ML增强视觉的ID和标签跟踪
安全摄像头在跟踪设施内货物和人员的下落方面可以发挥宝贵的作用，但要做到这一点，它们需要能够可靠地阅读身份证和标签上的信息。使用一副标准扑克牌，感知将演示高清图像传感器和公司的 Ergo 边缘推理处理器的组合如何能够在超出人眼能力的距离读取信息，并扩展计算机视觉在库存控制和访问管理等应用中的作用。（代表：Kathy Cook，业务发展副总裁）
智能视频会议的边缘
边缘设备上的人工智能处理功能的增强使视频会议体验更加丰富。这些功能在使用案例中具有杠杆作用，从生物识别和日历和视频会议应用程序的自动访问，到面部和语音识别，到更智能地对摄像机前的场景进行框架，以及理解自动字幕的语言。。。都在边缘。突触 VS680 和 VS780 SOC 的设计考虑到了智能视频会议使用案例。它们高度集成，可以不同形式实现成本优化的视频会议设备，并拥有所需的人工智能计算。在此演示中，VS680 将运行智能框架，其中摄像机前的捕获场景进行动态调整，以便使用机器学习显示感兴趣的区域。（代表：Zafer Diab，产品营销总监，Xin Li ，FAE工程师）
使用机器学习进行实时视频后处理
与集成在 SoC 中的传统缩放相比，边缘设备上 AI 处理功能的增强使视频缩放和后期处理有了显著增强。这些增强功能使缩放和后处理能够基于主题。例如，可以针对高运动内容调整体育内容的缩放，而可针对（大部分）静态和移动面内容优化视频会议的缩放。突触 SoCs 集成了内部开发的机器学习引擎，称为 QDEO.ai，它执行超分辨率缩放，将视频的主题考虑在内。此演示将显示使用传统硬件缩放器和 QDEO.ai 缩放视频的缩放的并排比较。在低位输入视频中（如视频会议）上执行时，质量增强会更加突出。（代表：Zafer Diab，产品营销总监，Xin Li ，FAE工程师）
从神经网络到边缘与突触
Synaptics 将概述Katana 边缘AI处理器和Tenaicc，Eta 计算正在开发用于与Katana 使用的编译器。在我们介绍 Katana 的新型多核架构后，您将看到 Tensaicc 如何编译神经网络并生成利用架构的电源、循环和内存优化代码的实时演示。（代表：Vineet Ganju，副总裁/GM音频业务部）
DesignWare ARC EV7x 处理器的同步本地化和映射 （SLAM） 加速
同时本地化和映射 （SLAM） 创建和更新未知环境的地图，同时跟踪代理在其中的位置。SLAM 是各种系统（如自动驾驶车辆、机器人、增强现实和虚拟现实）的关键组件。此演示演示展示了如何通过将部分处理卸载到 ARC EV7x 处理器来加速 SLAM 软件堆栈，以及添加额外的内核以平行算法如何进一步增加加速度。我们还将展示如何使用基于EV7x的系统，集成深度神经网络引擎以扩展系统的智能。（代表： Liliya Tazieva，软件工程师）
DesignWare ARC EV7x 处理器上的 SRGAN 超级分辨率
图像超分辨率技术从低分辨率图像重建高分辨率图像。虽然这可以通过经典的视觉算法完成，但结果不如基于神经网络的解决方案现在所能提供的。在此演示中，我们展示了如何使用生成对抗网络智能推断缺失的像素数据并生成高质量的高分辨率图像。演示将在 ARC EV7x 处理器上运行，并展示深度神经网络加速器引擎。（代表： Liliya Tazieva，软件工程师）
COVID-19 和肺炎检测的 X 射线分类解决方案
Spline.AI 正与亚马逊网络服务公司和西林克斯公司合作，为COVID-19和肺炎检测提供开源、开模式、X射线分类解决方案。此演示将展示部署在基于 ZCU104 评估套件的 Xilinx Zynq UltraScale®-MPSoC 设备评估套件上的模型，并利用西林克斯深层学习处理器单元 （DPU），这是一种软 IP 拉伸加速器，其强大到足以运行各种神经网络，包括疾病分类和检测。（代表：Quenton Hall，人工智能架构师）
开箱即用与 Kria KV260 入门套件：在一小时内启动和运行
此演示将详细查看 Kria KV260 视觉 AI 入门套件及其配套的基本配件包。我们将向您展示您能够以多快、多轻松的速度启动和运行我们的智能相机加速应用程序，无需 FPGA 体验。（代表：Karan Kantharia，产品线经理）
Xilinx Kria SOM上的视觉机器学习和自然语言处理融合
此演示显示，新的 Kria K26 SOM 在同一基于 Xilinx Zynq 的平台上同时运行视觉机器学习和自然语言处理。本解决方案展示了Xilinx 深度学习处理器单元的动态切换功能，并集成了音频 ML 关键字点点来控制视频显示。（代表：Girish Malipeddi，视频和成像解决方案总监）
银牌赞助商
使用 EOS 嵌入式感知软件为所有条件提供高强的计算机视觉
Algolux 将展示其 Eos 端到端视觉架构，使成像和检测能够共同设计，共同解决准确性和稳健性问题，而不仅仅是依靠更多的数据和监督培训。我们将展示此类共同设计的视觉系统（使用我们新颖的嵌入式感知堆栈）如何优于公共和商业视觉系统（包括特斯拉最新的 OTA S 型自动驾驶仪和 Nvidia Driveworks）的示例和基准。（代表：Dave Tokic，营销和战略伙伴关系副总裁）
使用Atlas相机优化套件自动优化计算机视觉的相机图像信号处理器
Algolux 将演示其支持 Atlas 云的工作流，以自动优化图像信号处理器 （ISP），以便在几天内最大限度地提高计算机视觉精度。工作流程易于访问和部署，可将计算机视觉 （CV） 结果提高 25 mAP 点，同时将时间和精力比当今的专家手册 ISP 调整方法减少 10 倍以上。（代表：Marc Courtemanche，Atlas 产品架构师）
克服不可能：传感器上的人工智能大脑芯片演示
利用 BrainChip 的 Akida 神经处理器 （NPU），您可以利用先进的神经形态计算作为边缘智能人工智能的引擎。本次演示将展示秋田如何使用 3D 点云实现人体检测和手势识别，以及其他演示，突出秋田解决一些人认为无法克服的关键问题的独特能力。BrainChip 通过基于事件的神经形态计算实现超低功耗、高效、高效的人工智能功能，从而满足下一代需求。（代表：Rob Telson，全球销售和营销副总裁）
BrainChip 的Akida神经处理器：解决边缘问题
利用 BrainChip 的 Akida 神经处理器 （NPU），您可以利用先进的神经形态计算作为边缘智能人工智能的引擎。此演示将展示Akida 如何成功实现人类检测，即使图像与主题不成正比。BrainChip 还将在不依赖云和重新编程网络的情况下进行一次性学习和再培训。BrainChip 通过基于事件的神经形态计算实现超低功耗、高效、高效的人工智能功能，从而满足下一代需求。（代表：Todd Vierra，客户参与总监）
使用 HyperX 处理器在边缘进行超低延迟工业检查
在本次演示中，我们将展示如何使用 HyperX 内存网络并行处理器，实现食品的超低延迟工业检测。我们将使用模拟线扫描采集，然后使用基于 OpenCV 的算法进行细分、标记和执行基于功能的质量判断。这些操作将以线路费率和电力预算内进行，使处理能够嵌入到摄像机中。（代表：Eugene Mezhibovsky，资深系统架构师）
使用深度神经网络和 HyperX 处理器进行虚拟环绕视图火灾检测
在本次演示中，我们将使用深度神经网络 （DNN） 和环境虚拟 360 度视图显示火灾的检测。四台带广角镜头的高清摄像机将将数据流式传输到 HyperX 处理器中，这将从空间周围的任何角度生成虚拟视图。虚拟视图将扫荡在空间周围，并送入基于 DNN 的火灾探测网络来监控该地区。（代表：Martin Hunt，应用工程总监）
用于低延迟深神经网络推理的动态神经加速器 F 系列和 MERA 编译器
EdgeCortix 的全新动态神经加速器 （DNA） 架构是一种可运行时间可重新配置、高度可扩展且省电的 AI 处理器设计，适用于 FPGA 以及自定义 ASIC 和芯片 （SOC） 上的系统。本次演示将展示 EdgeCortix 的 DNA-F 系列 AI 发动机的不同配置，适用于目前可供客户使用的 FPGA。它还将引入 MERA 编译器，该编译器与 DNA-F 系列合作，为计算机视觉应用部署深神经网络，通过高分辨率静止图像和视频数据实现实时 AI 推理。还将显示在支持 Xilinx FPGA 边缘服务器和嵌入式 SoC 的 AI 推理典型使用案例应用程序的视频演示。（代表：Hamid Zohouri，产品总监）
在边缘设备上部署硬件加速长期内存 （LSTM） 神经网络
在本课程中，我们将演示如何使用想象神经网络加速 （NNA） IP 在边缘 AI 设备上部署长期短期记忆 （LSTM） 神经网络。我们将使用 Imagination 的专利技术，展示如何展开并在边缘本地执行 LSTM。高效部署 LSTM 可在边缘安全高效地执行新应用程序，而无需向云发送任何私人数据。LSTM 在语音和 ADAS 中具有应用，它使用历史信息来预测正确的结果。（代表：Gilberto Rodriguez，人工智能产品管理总监）
交通分析使用LAON PEOPLE的深度学习解决方案
本会话演示了不需要安装新 IP 摄像机的新流量分析程序。LAON PEOPLE AI 解决方案利用目前安装的低分辨率交通摄像头提供车辆、自行车和行人统计数据。（代表：Luke Faubion，交通解决方案总监 ）
使用LAON PEOPLE的深度学习解决方案进行表面检查
本次会议将使用LAON PEOPLE的高级机器视觉摄像头和深度学习算法，对复杂表面（如汽车）进行全自动检查。看看我们如何能够发现那些几乎不可能用标准的机器视觉技术检测到的缺陷，甚至人类也很难辨别。（代表：Henry SANG，业务发展总监）
自定义边缘AI视觉 SoC
在新的嵌入式应用程序中部署自定义加速器是很困难的，因为没有 IP 的其余部分也需要构建紧密集成的 SoC。在简要概述 AI 视觉平台，使您能够为您的应用程序自定义、优化和构建自己的 Edge AI SoC 后，OpenFive 将演示在 FPGA 上运行的 AI 应用程序，模拟使用平台构建的 SoC。（代表：David Lee，产品管理总监）
Visidon Depth SDK：为移动和嵌入式平台优化的图像风格化
这个技术演示的Visidon Depth SDK显示静止照片和移动平台上的实时视频源。Visidon Depth SDK 包括用于单摄像头和双摄像头的功能集，以及用于将结果修改为后过程的图库 SDK。从输入到计算深度，以及最终风格化图像的结果，将针对具有真实世界示例的单摄像头和双摄像头配置进行演示。（代表：Otso Suvilehto，技术负责人）
为移动和嵌入式平台优化的 Visidon 图像降噪解决方案
此演示概述了 Visidon 为嵌入式平台提供的降噪技术。它描述了各种图像和视频降噪技术，以及显示噪声输入和减少噪音输出的图像对。它还采用多种方法引入降噪，包括高度优化的多帧融合和过滤技术，以及高效的卷积神经网络 （CNN） 方法。（代表：Valtteri Inkiläinen，人工智能软件工程师； Saku Moilanen，人工智能软件工程师）
铜牌赞助商
要求最高视频质量的应用程序的高级编码器和解码器 IP
本会话将涵盖视频编码器和解码器 IP 内核的开发（和集成），这些内核支持最高质量的 4：4：4 色度采样格式和 12 位采样精度。我们使用专有工具演示 IP 核心的配置过程，该工具可实现最终应用要求的最佳配置。（代表：Doug Ridge博士，战略营销经理）
MIVisionX 和 rocAL：AMD 的两种计算机视觉和机器学习解决方案
AMD 的 MIVisionX 是一组集成了全面的计算机视觉和机器智能库、公用设施和应用程序，捆绑在一个单一的工具包中。ROCAL 是 MIVisionX 的一部分，用于加载、解码和增强数据以进行深度学习，包括创建和验证海量视觉数据集。此演示显示了 MIVisionX 在多个多 GPU AMD 系统的部署，体现了使用 Kubernetes 进行推断的行业领先扩展。演示还显示，rocAL 正用于使用 PyTorch 和 TensorFlow 使用多个 GPU 处理和增强用于深度学习培训的图像。
RISC-V 和 Arm矢量扩展 - 代码复杂性和执行的差异
RISC-V基金会最近宣布发布其矢量（RVV）扩展。今年早些时候，Arm 还宣布了其新的 v9 架构，以及新的可扩展矢量扩展 （SVE）。此演示将查看两种解决方案中的差异，显示执行常见任务所需的代码的变化以及该代码的不同性能。（代表：Andrew Richards，首席执行官/总裁）
增强移动性人工智能
AI 和边缘设备的深度学习正在获得势头，有望为车辆内外的众多应用提供支持。但是，这种实现在使深度神经网络的压缩和加速能够在多个处理器上运行以及管理相关成本方面可能具有挑战性。加入此演示，了解 Deeplite 如何克服这些障碍，使对象检测应用程序能够在车辆中运行。（代表：Charles Marsh，CCO）
在日益受约束的边缘设备上启用深神经网络
为了帮助在日益受约束的边缘设备中为直接的深度学习部署铺平道路，Deeplite 在社区版本中发布了其中微子软件！此版本是硬件不可知的，可以无缝和顺利地集成到任何 ML Ops 管道中。在本会话中，我们将演示如何使用软件框架、如何生成优化模型，以便直接部署在边缘设备上或通过云环境进行推理，以及如何压缩和保持模型精度。（代表：Davis Sawyer，联合创始人和CPO）
使用Efinix Titanium FPGA 与量子加速优化边缘 AI 性能，同时减少上市时间
Efinix Quantum Acceleration提供了一个预先定义和易于使用的加速框架，以促进快速的硬件/软件系统分区。本次演示将概述新的Efinix Titanium，并探讨量子加速的使用案例研究。它将展示，在边缘人工智能应用中，逐步将软件瓶颈迁移到硬件加速器中如何提高整体系统性能并最大限度地缩短上市时间。（代表：Roger Silloway，北美销售总监）
机器人自动化和深度传感器融合的立体视觉
深度感应技术正在各种消费和工业产品中广泛采用。人们普遍认为，没有完美的3D传感技术可以适应所有不同的应用领域。eYs3D 融合了先进的计算机视觉算法、混合深度感应融合、点云压缩和流式处理以及动态校准，所有这些都由最省电和可扩展的硬件形式提供：硅。机器人正在迅速进入我们的生活。这些机器依靠计算机视觉茁壮成长，提供近乎人类的感知能力，并与人互动，所有这些都是为了自主完成任务。在本次演示中，我们展示了如何将以硅为中心的技术应用于各种机器人应用，如自主移动机器人 （AMR）、Co-bot 和许多其他应用。（代表：James Wang，技术总经理）
沉浸式超广角相机和像素处理如何提高机器感知
在本课程中，我们将演示如何使用配备超广角镜头和传感器的摄像机进行指定、模拟和设计，以改善机器感知。我们还将展示特定的像素处理技术，自适应除战，如何提高机器感知的准确性。我们将使用两种应用方案：单眼单帧深度感知和对象分类（如 YoloV4）。（代表：Patrice Roulet，副总裁，技术和联合创始人）
Inuitive的 NU4000 是用于 3D 成像、深度学习和计算机视觉的多核处理器
在本期会议上，Inuitive 将展示 NU4000 处理器在操作中的多样化边缘计算和其他功能，实现增强现实和虚拟现实、无人机、机器人和其他应用中常用的操作。下一代 NU4000 能够实现高质量的深度传感、片上 SLAM、计算机视觉和深度学习-在紧凑的外形下，优化功耗和负担得起的成本结构-提供更智能的用户体验。（代表：Dor Zepeniuk，CTO及产品副总裁）
使用Microchip进行 AI/ML 产品演示的 VectorBlox SDK
Microchip的VectorBlox加速器软件开发套件 （SDKs） 旨在使开发人员能够在 C/C++中进行编码，并无需事先获得 FPGA 设计经验即可编程高效神经网络。高度灵活的工具包可以执行TensorFlow和开放式神经网络交换（ONNX）格式的模型，从而提供最广泛的框架互操作性。矢量博客加速器 SDK 支持 Linux 和 Windows，还包括一个有点精确的模拟器，这为用户提供了在软件环境中验证硬件准确性的机会。套件中包含的神经网络 IP 还支持在运行时间加载不同网络模型的能力。VectorBlox 产品演示贯穿于评估 PolarFire 视频套件中的 AI/ML 算法所需的步骤。
基于 AI 的细分和像素过滤增强图像
本次会议将展示 Morpho 屡获殊荣的软件产品，该软件能够实现专业质量的图像修饰，使用 AI 轻松识别移动设备上的语义（例如人、风景）。（代表：Toshi Torihara，副总裁）
NetsPresso：硬件感知自动 AI 模型压缩平台
NetsPresso 是一款自动化的 AI 模型压缩平台解决方案，旨在将轻量级深度学习模型部署在从云应用程序到边缘设备的不同平台和架构上。通过利用 NetsPresso，Nota 能够支持医疗保健、移动性、安全性和零售等各个市场领域的许多应用。（代表：Tae-Ho Kim， CTO）
快速、可视化和可解释的机器学习建模与PerceptiLabs
加入我们的演示，我们使用图像分类和转移学习来训练一个模型来分类磁共振成像 （MRI） 图像中的脑肿瘤。使用基于 TensorFlow 的视觉建模工具 PerceptiLabs，您将看到如何使用预构建的组件在数秒内构建深度学习模型，并即时可视化工作流程，从而无需在看到结果之前运行整个模型。（代表：Robert Lundberg，CTO联合创始人）
瑞萨 RZ/V 微处理器，带节能 AI 加速器
在瑞萨专有的动态可重新配置处理器 （DRP-AI） 上进行对象检测和识别演示时，我们将展示 DRP-AI 在具有代表性的 AI 执行环境中如何实现更高的 AI 性能和卓越的功率效率。RZV 系列产品具有 DRP-AI 技术，使嵌入式 AI 应用具有更高的性能，无需散热器和冷却风扇。（代表：Manny Singh，资深产品营销经理）
UnitX Vizard：边缘的实时 AI 视频分析
在本次演示中，UnitX 首席执行官 Kiran Narayan（博士）将在响应灵敏的 Web 仪表板上展示公司基于边缘的 AI 视频分析平台 VIZARD，该平台可从多模态无人机和闭路电视 （CCTV） 数据中提供实时可操作的见解。VIZARD 目前正被智能城市、私人大院、采矿、石油和天然气设施以及活动公司用于安全和安保监控。它与多个现成的无人机、闭路电视和视频管理软件产品无缝配合。公司创始人将分享产品演变历程，展示专利申请平台，并解释其如何实现业务影响最大化。（代表：Kiran Narayanan，首席执行官兼创始人）
仅展位参展商
AAEON 的 BOXER-8251AI AI@Edge基于 NVIDIA 的 Jetson Xavier NX 的紧凑型无风扇嵌入式 BOX PC，用于各种应用程序运行多个 AI 插件
Jetson Xavier NX 的 BOXER-8251AI 配备六核 64 位 ARM 处理器，拥有 384 个 CUDA 内核、48 个 Tensor 核心和两个 NVIDIA 发动机，能够并行运行多个神经网络，可提供高达 21 个 TOPS 的加速计算性能。本次会议将演示 BOXER-8251AI 运行与 A.I. Tech 的插件应用程序无人驾驶零售， 人计数， 智能城市和安全监控.（代表：Iris Huang，产品销售经理；Owen Wei，AI和IOT产品解决方案经理）
将视觉传感器与 NVIDIA 集成
自 NVIDIA 的 Jetson 平台启动以来，边缘人工智能和支持视觉的系统的能力不断增强。寻找解决方案，轻松集成嵌入式硬件中的视觉传感器，往往导致漫长的产品开发周期和额外的软件要求。此演示会话将详细说明传感器数据摄入的多个不同选项，以及如何充分利用创新的 NVIDIA Jetson 平台。
NVIDIA Jetson AGX Xavier的同步 2D 和 3D 飞行时间多摄像头应用程序
随着对视频、远程测量和工业、机器人和检测 3D 空间的需求日益增长，使用多台摄像机同步 2D 和 3D 飞行时间 （ToF） 变得越来越重要。在本期会议中，D3 工程将演示使用 DesignCore 2D RGB 和 3D ToF 相机在 NVIDIA Jetson AGX 泽维尔开发人员套件上使用 D3 的多通道千兆多媒体串行链路 （GMSL2） 接口卡运行多摄像头应用程序。该演示将利用基于硬件的同步方案来抵消 2D 和 3D 摄像机之间的曝光。（代表：Jason Enslin，NVIDIA 产品经理）
