您好,欢迎访问

商机详情 -

贵州稳定目标检测经验丰富

来源: 发布时间:2023年11月26日

随着技术的进步,基于图像的人工智能分析开始应用到人们生活的方方面面,传统的硬件开发平台一般是基于FPGA加DSP,这种平台架构已经持续了很长时间,这种方式因为开发时间早、接口丰富、参与人员多满足了一些行业相对简单的场景需求,但是随着AI技术的持续发展,日益增长的市场需求对目标的自主检测及识别跟踪要求也越来越高,需要分析的场景也越来越复杂,原有的DSP+FPGA硬件平台已经越来越难以满足一些行业的需求。慧视光电自研多平台嵌入式开发框架,此框架支持多种硬件平台的开发,目前团队所有的嵌入式应用软件开发都基于此框架开,随着多个产品的研发,框架中积累了大量与硬件平台,图像处理,算法优化,视频输入输出,硬件加速等相关的基础软件组件,通过这些组件的复用,能极大提高软件开发效率和质量。同时,应用开发过程也会不断完善和优化此框架,将来这个框架本身连同硬件模块也可作为公司的产品,提供给客户使用。智能目标检测及追踪,让目标无处可藏。贵州稳定目标检测经验丰富

目标检测

在信息化、数字化、智能化浪潮下,对于城市管理相关部门而言,要解决城市空间管理中存在的数据资源利用率低等问题,可以建立可统一管理的平台,并进一步以此平台为基础,充分挖掘各部门及各空间场景的结构化及非结构化数据价值,通过深度学习、计算机视觉、知识图谱等人工智能技术,科学、高效地利用城市数据资产来实现城市空间全域感知与实时预警,使各相关部门能够对所辖区域发生的异常状态或事件迅速做出反应。在平台端数据资源不断积累的支持下,人工智能算法模块也将随之持续优化迭代,在大数据局的牵头下进行各部门业务的职能协同,为城市管理提供辅助决策与分析预测等智能服务。山东快速目标检测价格信息全国产化电子元器件——智能处理板。

贵州稳定目标检测经验丰富,目标检测

成都慧视光电技术有限公司的RK3399处理板是采用的国内AI智能开发板OrangePI4,植入慧视光电自主研发的智能图像算法,基于输入的可见光或者红外的视频流,可实时对目标进行自主检测、识别或者手动锁定,同时可以根据输出目标的靶量信息,对目标进行实时跟踪。双光测温组件是基于RK3399图像处理板,推出的一款用于高温人群体温筛查的组件产品。基于该组件,可快速展开各类用户终端产品的集成设计。其中可见光模组和红外测温模组,分别通过配套提供的FFC软排线与RK3399图像处理板连接。

智能交通控制是“智慧城市”的关键内容之一。在城市的主干道,尤其是十字路口,对车辆、行人等目标的自动检测与跟踪是智能交通系统的重要任务,而基于深度学习的目标跟踪技术在其中起着重要作用,借助于云平台,能够及时有效地实现对交通状态的感知,从而提高整个城市的交通效能。成都慧视光电技术有限公司专注于图像处理领域,在人工智能算法、激光雷达、红外图像处理、目标识别与追踪、窄带传输等方面积累了丰富的经验和成果。研发团队由行业沉淀了十余载的人员组成,并与南京大学、电子科技大学等学府实验室达成深度合作,公司致力于成为基于图像的智能方案提供商。慧视光电开发的慧视AI图像处理板,采用了国产高性能CPU。

贵州稳定目标检测经验丰富,目标检测

成都慧视光电技术有限公司运用自身的图像算法和硬件平台开发优势,推出了国产化图像检测与跟踪智能处理板——RV1126处理模块,该处理模块具有一下特点①处理模块使用瑞芯微的RV1126芯片,RV1126是一个高性能、低功耗的视觉处理SOC,具有丰富的外设和功能特性,尤其适合AI相关的应用;②4核CortexA7,每个核具有独自的NEON和FPU,每个核具有32KB的一级数据缓存和一级指令缓存,4核共用512KBL2缓存;③两个MIPICSI/LVDS/SubLVDS视频输入接口,每个接口支持4lane,MIPICSI每个lane的比较大速率为2.5Gbps/lane,LVDS比较大速率为1Gbps/lane;④ISP支持的最大分辨率为4416x3312;⑤支持H264,H265视频编码,比较大支持4096x2304@30fps;⑥神经处理单元(NPU),运算能力达到2Tops,支持INT8和INT16;⑦包含一个RISCV微控制器;⑧2DGraphicsEngine(RGA),支持硬件像素格式转换,缩放等操作;⑨支持MIPIDSI、BT.1120视频输出接口;⑩比较大支持1920x1080@60fps视频输出,支持多个硬件图层;⑪支持USB2.0OTG;⑫支持I2Cx6;⑬支持UARTx6。慧视RK3588图像跟踪板支持目标检测识别目标(人、车)。广东哪里有目标检测解决

AI智能算法助力森林防火!贵州稳定目标检测经验丰富

近年来,伴随着大数据时代的来临,深度学习在计算机视觉的许多问题,如图像识别、人脸识别、目标检测领域都取得了巨大成功,与传统的目标检测算法相比,深度学习算法具有更好的表达能力、更高的准确性,深度神经网络在模型架构和学习过程上与人类认识和感知世界的神经系统类似。目标检测和识别现在是视觉方向热门的研究课题,也一直是工业界重点研究的对象。近几年,业内出现了各种各样的检测框架,不断刷新各种性能指标,然而受限于工业应用的性能与成本要求,效率-精度平衡的检测框架成为了优先。团队在该方向进行了一系列的优化设计,创建了全新的移动端实时检测框架,与其他流行的检测框架相比,该模型架构在准确性和延迟之间实现了更好的权衡,基于选用的硬件平台,可以实现性能优良的移动端实时物体检测。贵州稳定目标检测经验丰富