SpeedDP有4+3的功能组合,为不同需求的客户提供定制化服务。项目配置:含任务属性(当前支持目标检测)、算法模型(当前支持YOLO-X)、项目参数等;模型训练:支持模型参数配置、训练过程可视化等;模型评估:支持评价体系(如:AP)、结果统计等;数据测试:支持数据(图像、视频)的实时加载测试,输出OSD叠加后的测试结果;自动标注:基于导入数据集快速生成标注结果,支持标注工具(LabelImg)读取和调整;(可选)模型部署:支持PC端、嵌入式端(瑞芯微平台,RKNN/RKNN2)两种部署方式;(可选)Web服务:支持快速搭建Web服务,用于团队内部或对外进行快捷访问和申请服务;(可选)媒体人被认为是被ChatGPT取代的高危职业之一。四川电力运维AI智能明火识别
图像识别技术的高价值应用就发生在你我身边,例如视频监控、自动驾驶和智能医疗等,而这些图像识别进展的背后推动力是深度学习。深度学习的成功主要得益于三个方面:大规模数据集的产生、强有力的模型的发展以及可用的大量计算资源。对于各种各样的图像识别任务,精心设计的深度神经网络已经远远超越了以前那些基于人工设计的图像特征的方法。尽管到目前为止深度学习在图像识别方面已经取得了巨大成功,但在它进一步广泛应用之前,仍然有很多挑战需要我们去面对。四川电力运维AI智能明火识别RK3399图像处理板是我司自主研发的目标跟踪板,该板卡采用国产高性能CPU,搭载自研目标检测及跟踪算法。
慧视光电推出的SpeedDP深度学习算法开发平台支持labelimg数据标注格式,用户采集得到图像数据后使用labelimg工具进行数据标注,然后将图像文件和标注文件按如图2所示指定的形式存放即可直接用于模型训练。一般不同的业务场景需求对应不同的数据和算法参数设置,慧视SpeedDP深度学习算法开发平台采用项目配置的方式来对不同的业务需求进行管理。采集数据后,能够批量加载一定数量的数据并进行合并后输入模型,实时显示训练记录,并能以文件的形式保存运行时训练参数。
YOLO(You Only Look Once)是一种目标检测算法,它使用深度神经网络模型,特别是卷积神经网络,来实时检测和分类对象。该算法开始被提出是在2016年的论文《You Only Look Once:统一的实时目标检测》中。自发布以来,由于其高准确性和速度,YOLO已成为目标检测和分类任务中很受欢迎的算法之一。它在各种目标检测基准测试中实现了高性能。就在2023年5月初,YOLO-NAS模型被引入到机器学习领域,它拥有更高的精度和速度,超越了其他模型如YOLOv7和YOLOv8。AI算法赋能下的图像处理板能够进行目标识别。
慧视SpeedDP深度学习算法开发平台采用标准的AI开发流程,即需求分析->数据采集标注->模型训练->测试验证->模型部署。实际操作部分可分为如下五个模块:数据集管理:采集并制作用于训练和测试的数据集;项目配置:根据项目的实际情况,对调整相关配置参数进行定制化开发;模型训练:完成训练参数配置,开始模型训练并监控训练过程,损失精度。可接受时,暂停训练;模型测试:使用数据集或实际业务场景图像视频数据进行模型评估;模型部署:模型测试结果达到预期,进行模型转化和部署。慧视光电SpeedDP深度学习算法开发平台主要针对一些数据需要保密、同时又有AI算法开发能力的单位、AI算法软件公司等,缩短算法的开发、优化、部署周期,同时减少人员的消耗,达到降本增效的目的。慧视RK3399PRO板卡可以用于大型公共停车场。四川电力运维AI智能明火识别
工程师以RV1126核心板为基础进行定制开发,让摄像头更加智能高效,能够输出高清流的图像视频。四川电力运维AI智能明火识别
人脸识别始于20世纪60年代,随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期,以美国、日本和德国的技术为主。随着人工智能的发展以及处理的快速迭代更新,人脸识别技术也获得了很大的突破,同时人脸识别也是生物特征的应用。其技术的实现,展现了弱人工智能向强人工智能的转化。总的来说,人脸识别的原理是收集用户的面部数据存入数据库,然后进行机器学习,通过采集需要解锁对象的面部数据,放进数据库进行比对,然后完成解锁。四川电力运维AI智能明火识别