Beschleunigung leicht gemacht

Beschleunigte Anwendungen für adaptive Plattformen

Leichte Installation

Die Apps sind in Linux-Bereitstellungs-Framework integriert, sodass sie über Open-Source-Mechanismen einfach via Netzwerk installiert werden können

Kostenlose Evaluierung

Kostenlose Evaluierung mit begleitender Dokumentation, ersten Schritten und zusätzlichen Tools und Ressourcen – keine Hardware-Fachkenntnisse erforderlich

Entwickeln und Bereitstellen

Beginnen Sie die Entwicklung mit einem Vorsprung und stellen Sie sie entweder im Starter Kit oder dem Produktions-SOM bereit

Einfache Updates

Führen Sie ein dynamisches Upgrade auf die neueste Version der beschleunigten App durch, entweder auf das Starterkit oder das bereitgestellte Produktions-SOM

Jetzt ausprobieren

1. App auswählen
Wählen Sie eine App aus und erkunden Sie Funktionen, Spezifikationen und die Dokumentation

2. App herunterladen
Laden Sie die App kostenlos herunter und testen Sie sie mit dem KV260, KR260 oder KD240 Starter Kit

3. Schritt für Schritt befolgen
Nutzen Sie unseren „Leitfaden für die ersten Schritte“, um in weniger als einer Stunde einsatzbereit zu sein

4. App kaufen
Für die Produktionsbereitstellung des K24- oder K26-Produktions-SOM (alle AMD Apps sind kostenlos)

Kria beschleunigte Apps

 Ermöglichen es Entwicklern, ihre Konstruktionen auf Softwareebene zu programmieren und zu differenzieren, ohne FPGA-Programmiererfahrung zu besitzen.

Apps für Bildverarbeitung und Robotik für Kria K26

Alle Anwendungen
cargo ship

Tracking aktiver LED-Marker

Diese Plug-and-play Tracking-Anwendung für aktive LED-Marker demonstriert die ereignisbasierten Metavision-Technologien von PROPHESEE. Sie bietet eine hervorragende High-Speed-Erkennung und -Verfolgung von LED-Lichtimpulsen, vollständige Hintergrundentfernung sowie Echtzeitinformationen zu 3D-Posen und ermöglicht damit neue ultraschnelle Tracking-Anwendungen.
Anwendung ansehen
LogicTronix object detection

Objekterkennung und -Tracking mit ereignisbasierten Sensoren

Ereignisbasierte Sensoren (Event Vision-Based, EVB) bieten beschleunigte Erkennung, verbesserten Betrieb in unvorhersehbaren Lichtverhältnissen und niedrigere Kommunikationsanforderungen im Vergleich zu bildbasierten Sensoren.1 Diese Anwendung demonstriert einen integrierten EVB-Sensor über MIPI im AMD Kria™ KV260 Vision AI Starter Kit, der Objekterkennung und -Tracking für eine optimierte, durchgängige Pipeline-Beschleunigung ausführt.

Anwendung ansehen
Machine Vision
Smart Camera Accelerated Application

Smart Camera

Diese Ultra-HD-Smart-Kamera implementiert Gesichtserkennung mit Netzwerk- und Anzeigefunktionalität. Sie verfügt über integriertes maschinelles Lernen für Anwendungen wie Fußgängererkennung, Gesichtserkennung und Personenzählung mit lokaler Anzeige und RTSP-Streaming.
Apps ansehen
10GigE Vision Camera Accelerated Application

10GigE Vision Camera

Diese Anwendung implementiert ein industrielles Kameradesign mit einem Sony IMX SLVS-EC Sensor und dem weit verbreiteten GigE Vision Protokoll. Mit GigE Vision kann der Benutzer die Kamera über das Netzwerk konfigurieren und Videodaten mit derzeit bis zu 10 Gb/s streamen. Das Streaming wird vollständig in der Hardware ausgeführt, damit eine maximale Datenrate erzielt und die Prozessoreinheit von allen zusätzlichen Bildverarbeitungsaufgaben befreit wird.
Anwendung ansehen
Machine Vision
pedestrian detection

KI-Box mit ReID

Die Beschleuniger-Anwendung AI Box with ReID führt eine verteilte, skalierbare Multi-Stream-Verfolgung und Re-Identifizierung durch. Die Anwendung nutzt maschinelles Lernen für die Verfolgung von Fußgängern und die Dekodierung mehrerer Kamera-Streams und führt die Erkennung und Verfolgung von Fußgängern über Kamera-Feeds hinweg durch. Zu den gängigen Anwendungen gehören intelligente Städte, Einzelhandels- und Videoanalysen.
Anwendung ansehen
Machine Vision
produce defect detection

Defect Detection

Die Beschleuniger-Anwendung Defect Detection ist eine Anwendung für die maschinelle Bildverarbeitung, die die Erkennung von Defekten (z. B. Früchte, Leiterplatten) und die Sortierung in Hochgeschwindigkeits-Pipelines in Fabriken mithilfe der Vitis Vision-Bibliotheksfunktionen automatisiert.
Anwendung ansehen
Machine Vision
Phoenix HDR ISP Accelerated Application

Phoenix HDR ISP

Phoenix ist ein HDR Image Signal Processor (ISP), der für das Kria™ KV260 Vision AI Starter Kit optimiert wurde. In Kombination mit dem Xfuse Bildsensormodul können Benutzer diesen voll ausgestatteten ISP nutzen, um kundenspezifische Vision- und Deep-Learning-Anwendungen mit Echtzeitleistung in Umgebungen mit hohem Kontrast und einem Dynamikbereich von bis zu 120 dB zu entwickeln. Das Bildverarbeitungsmodul und das System wurden für den Plug-and-Play-Betrieb mit Kria SOM entwickelt und sind für den schnellen Einsatz in anspruchsvollen Umgebungen in den Bereichen KI, Sicherheit, Robotik oder Verbraucheranwendungen bereit.
Anwendung ansehen
Machine Vision
Aupera Face Recognition for Kria SOM Accelerated Application

Aupera Face Recognition

Die Lösung Aupera Facial Recognition ist eine kommerziell einsetzbare End-to-End-Lösung für die Gesichtserkennung im Feldeinsatz. Ausgestattet mit dem Aupera-eigenen, klassenbesten trainierten KI-Modell wird die Lösung bereits von Tier-1-Kunden im Feldeinsatz verwendet. Sie verfügt über integriertes maschinelles Lernen für Anwendungen wie Gesichtsdetektion, Gesichtserkennung, Maskenerkennung, Gesichtserkennung mit Maske, RTSP/RTMP-Streaming und ONVIF-Interfacing.
Anwendung ansehen
Machine Vision
ROS 2 multi node

ROS 2 Multi-Node Communication via TSN

Synchronisierte Echtzeituhren sind eine wichtige Voraussetzung für die Automatisierung komplexer Prozesse und ein deterministisches Verhalten eines Systems mit mehreren Sensoren, Aktoren und Controllern. Das Subsystem Time-Sensitive Networking (TSN) von AMD bietet Zeitsynchronisation und die zeitbewusste Übertragung von Ethernet-Frames mit geringem Jitter. Da es mit zwei externen Schnittstellen ausgestattet ist, kann es für größere Netzwerke verwendet werden, ohne dass ein externer TSN-Switch erforderlich ist.
Anwendung ansehen
Robotics
robot arm

ROS 2 Perception Node

Die Beschleuniger-Anwendung ROS 2 Perception Node implementiert ein Subset von image_pipeline, einem der beliebtesten Pakete im ROS 2-Ökosystem und einem Kernstück des ROS-Perception-Stacks. Sie erstellt einen einfachen Berechnungsgraphen, der aus zwei hardwarebeschleunigten Knoten, resize & rectify, besteht, und nutzt das KRS-Framework für Tracing und Benchmarking.
Anwendung ansehen
Robotics

Demo-Apps

Demo-Apps ähneln beschleunigten Apps, sind jedoch nur für Evaluierungszwecke vorgesehen. Bewerten Sie die Funktionen auf einem Starterkit und fragen Sie beim Anbieter der beschleunigten App nach den nächsten Schritten.

Minerva Systems screen image

Minerva Systems Architect

Minerva Systems Architect helps identify and solve memory-related interference problems during the integration phases of complex, mixed-criticality workloads. The Architect tool provides a framework designed to profile, visualize, and analyze memory accesses performed by user applications.
Anwendung ansehen
Machine Vision
AMD Kria DFX

DFX-Beschleuniger

Dynamic Function eXchange (DFX) nutzt die Flexibilität von Programmable Logic (PL)-Geräten und ermöglicht die Änderung eines Hardware-Designs während der Laufzeit. Dank des partitionierten Designs kann ein Teil der PL neu konfiguriert werden, während ein anderer Teil des Systems weiterläuft. Die Beschleuniger-Anwendung für DFX veranschaulicht die Prämisse hinter DFX, indem sie die Fähigkeit nutzt, Hardware dynamisch auf Kria™ zu multiplexen.
Anwendung ansehen
Machine Vision
Robotics
Avnet SMS diagram

Smart Model Select

Die Anwendung Smart Model Select ist ein Beispiel dafür, wie Sie eine benutzerdefinierte Anwendung für Kria™ SOM erstellen können. Die Anwendung Smart Model Select enthält eines der Beispiele aus dem Vitis™ Video Analytics SDK (VVAS), das auf das Kria KV260 Vision AI Starter Kit portiert wurde.
Anwendung ansehen
Machine Vision
speech recognition

NLP-SmartVision

Die Anwendung SmartVision für Natural Language Processing (NLP) erkennt kontinuierlich die vom Benutzer gesprochenen Schlüsselwörter und demonstriert das schlagwortbasierte dynamische Umschalten zwischen mehreren Vision-Aufgaben und/oder ändert die Anzeigeeigenschaften.
Anwendung ansehen
Machine Vision
covid prediction

Low-Code Smart Healthcare Platform

Die hier vorgestellte Spline.ai Low-Code Smart Healthcare Platform ist eine Demo mit Deep-Learning-Anwendungen für Lungenentzündungen und COVID-19. Das Modell wurde mit der Vitis™ AI Software-Plattform kompiliert und optimiert, um Inferenzen auf dem Kria™ KV260 Starter Kit mit dem Betriebssystem Ubuntu 22.04 auszuführen. Dieses Low-Code-Framework ist für die Entwicklung von Anwendungen entweder als Standalone-Lösung oder mit einer großen Flotte von Kria K26 SOM-basierten Edge-Appliances in einer AWS IoT Greengrass v2-Plattform konzipiert.
Anwendung ansehen
Machine Vision
GL Studio High Fidelity HMI Quad Demonstration Application

High Fidelity HMI Quad

Die Demo von GL Studio HMI Quad zeigt die Flexibilität und Leistungsfähigkeit von GL Studio, wobei vier der unendlichen HMI-Möglichkeiten, die mit dem Tool erstellt werden können, hervorgehoben werden. Jede Full-HD-Demo läuft mit 60 Hz und ist vollgepackt mit interaktiven Widgets, die durch simulierte Daten gesteuert werden. Sehen Sie sich die Demos einzeln an, indem Sie hineinzoomen, oder sehen Sie sich alle vier auf einmal an. Es werden die Bereiche Medizin, Industrie und Automobil vorgestellt. Nutzen Sie die Leistungsfähigkeit der GL Studio Software und der AMD Hardware, um Ihr Projekt in Rekordzeit vom Prototyp zur Produktion zu bringen – und das mit klassenbester Laufzeitperformance.
Anwendung ansehen
Machine Vision

Macht Apps für Kria K24 möglich

Alle Anwendungen
ROS 2 multi node

ROS 2 Mehrknoten-Kommunikation über TSN-beschleunigte Anwendung für KD240

Synchronisierte Echtzeituhren sind eine wichtige Voraussetzung für die Automatisierung komplexer Prozesse und ein deterministisches Verhalten eines Systems mit mehreren Sensoren, Aktoren und Controllern. Das Subsystem Time-Sensitive Networking (TSN) von AMD bietet Zeitsynchronisation und die zeitbewusste Übertragung von Ethernet-Frames mit geringem Jitter. Da es mit zwei externen Schnittstellen ausgestattet ist, kann es für größere Netzwerke verwendet werden, ohne dass ein externer TSN-Switch erforderlich ist.
Anwendung ansehen
Vision AI DPU-PYNQ diagram

Vision AI DPU-PYNQ

PYNQ ist ein Open-Source-Produktivitäts-Framework, das auf Python, Jupyter und einem umfangreichen Ökosystem von zugehörigen Bibliotheken basiert. Das Framework steigert die Produktivität von Software- und Hardware-Ingenieuren, indem es die Zynq™ Gerätefamilie nutzt, um leistungsfähigere und intelligentere Systeme zu entwickeln. Die Beschleuniger-Anwendung DPU-PYNQ enthält eine Vitis™ AI DPU (Deep Learning Processor Unit) mit KI-Inferenz-Notebooks, die sofort einsatzbereit sind.
Anwendung ansehen
field oriented motor

Adaptable Field-Oriented Control

Diese High-Performance-Anwendung für elektrische Antriebe bietet das richtige Maß an Integration und Dichte, damit Sie in missionskritischen Motorsteuerungsanwendungen höchste Performance in Echtzeit erreichen. Durch die Auslagerung von CPU-Aufgaben für die unabhängige Raumvektormodulation, die analoge Erfassung und andere damit verbundene Motor-I/O-Aufgaben bietet diese Implementierung eines reichhaltigen feldorientierten Steuerungs- (Field-Oriented Control, FOC) und Sliding-Mode-SFOC-Algorithmus in HDL eine extrem vielseitige Plattform zum Lernen und Entwerfen.
Anwendung ansehen
control arm

Field-Oriented Control

Die sensorbasierte Steuerung ist eine Schlüsselkomponente vieler Motorsystemimplementierungen. Im Zusammenhang mit bürstenlosen DC-Motoren stellt die feldorientierte Steuerung (Field-oriented Control, FOC) eine wichtige Steuerungsmethode dar. Die Beschleuniger-Anwendung Field-Oriented Control with Position Sensor von AMD nutzt die Vitis™ Motor Control Library, um eine deterministische und latenzarme Steuerung von Synchronmotoren zu ermöglichen. Das System integriert Quadratur-Encoder, Gleichspannung und Strommesswerte, um eine genaue Drehzahl- und Drehmomentsteuerung für die Zielmotoren zu gewährleisten.
Anwendung ansehen
Alternativtext hinzufügen

Möchten Sie Technologiepartner werden?

Der Kria App Store bietet eine leistungsstarke Plattform, auf der Ihre einzigartigen Edge-Anwendungen, Algorithmen und IP-Kerne mithilfe einer Standardinfrastruktur vermarktet werden – Docker Container, die auf Docker Hub gehostet werden. Das beschleunigte Anwendungsformat für die Bereitstellung von Designs ist für AMD Kunden die einfachste Möglichkeit, Ihre Lösung zu bewerten. Darüber hinaus ist es im Vergleich zum herkömmlichen IP-Produktentwicklungsprozess für anwendungsorientierte Lösungsentwickler optimiert.

Jetzt Technologiepartner werden
curved transparent to black top gradient divider
Alternativtext hinzufügen

Kria System-On-Modules (SOMs)

Kria SOMs, ein Portfolio, das für die Edge-Implementierung vom Starterkit bis zur Produktion entwickelt wurde, vereinfachen die Systementwicklung und helfen Ihnen, Ihr Produkt schneller auf den Markt zu bringen.

Kria SOMs entdecken
Kria System-On-Modules
Fußnoten
  1. Alle Angaben zu Performance und/oder Zeiteinsparungen stammen von PROPHESEE und/oder LogicTronix Technologies und wurden von AMD nicht unabhängig getestet oder nachgeprüft. Performance-Vorteile und Zeiteinsparungen werden von verschiedenen Faktoren beeinflusst. Die hier genannten Ergebnisse sind spezifisch für PROPHESEE und/oder LogicTronix Technologies und können untypisch sein. GD-181