YOLO单卷积神经网络在一次评价中直接从全图中预测多个boundingboxes和类概率,在全图上训练并直接优化检测性能,同时学习目标的泛化表示。然而,YOLO对边界框预测施加了严格的空间约束,限制了模型可以预测的相邻项目的数量。成群出现的小物件,如鸟类,对于此模型也同样有问题。fasterR-CN...
随着城市规模的不断扩大与城市空间管理复杂性的持续提升,我国城市管理的方式方法也一直处在逐步演变的过程。以道路空间管理为例,我国城市大多经历了由早期的只靠少量人力对城市重点区域或位置进行人工监管发展至以交通信号灯、道路摄像头等设备为主的后台监控阶段,近年来部分经济实力较强且基础设施完备的大中型城市更是在传统的设备监控基础上,尝试将人工智能、物联网、大数据、云服务、5G等新一代信息技术引入到城市空间管理中,实现人、车、物的智能识别与轨迹追踪等智慧交通能力。RV1126处理板,智慧视觉应用开发板。电力应急目标跟踪有哪些
在无人机应用方面,目标跟踪技术可以作为无人机视觉处理模块,实现对需要拍摄的目标进行持续跟踪,使焦点始终保持在目标上,从而达到更好的拍摄效果。目前,基于深度学习的视觉跟踪技术已经成为无人机视觉跟踪中重要的技术组成部分。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,推出了系列国产化图像检测与跟踪板卡、全国产化RK3399PRO处理板、全国产化RV1126处理板等产品,全国产化RK3399PRO处理板因为其强大的硬件平台叠加基于行为的算法,能够有效的应对无人机的迫切需求。宁夏目标跟踪产品RV1126图像处理板识别概率超过85%。
为认真落实城市“智慧化”建设要求,加速推进智慧港口建设,逐步构建智慧港口建设体系,实现全过程、全区域、全要素智慧化提能增效。慧视光电利用物联网、云计算和AI技术,不断探索基于数字化的适合企业自身实情的解决方案,按下智慧港口建设的“快进键”。通过AI赋能,针对港口安防监控,慧视光电成功研发“慧眼”双光相机,采用平行双光路光学设计。产品可同时采集可见光和红外两路模拟视频数据,并基于采集到的实时视频流,实现目标锁定、目标跟踪功能。目标锁定与跟踪状态下,产品可在输出视频图像的同时,输出目标相对与产品光轴的实时视线角信息(方位、俯仰)。实现港口智慧化管理,提升管理效率,降低人工成本。
成都慧视光电技术有限公司的RK3399Pro处理板是采用国内AI智能芯片基础上自主研发的智能算法图像处理板,植入其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。支持二次开发,方便客户快速集成。慧眼智能图像处理板是慧视光电在国内AI智能芯片基础上,自主研发的具有智能图像算法的处理板,可实时实现对目标的自主检测、识别、跟踪或者人为的锁定、跟踪,是目前国内少数能够提供稳定成熟的国产化智能图像处理平台的单位之一。该产品是在RK3399pro图像处理板的基础上,加入一块视频接口扩展板组成,图像处理板与扩展板之间通过1对1线束连接,从而提供更多的输入视频接口选择。全国产化智能处理板应用广阔。
中台的概念出自于互联网领域,中台即是数字能力共享平台,是平台的平台。城市管理者可通过建立城市空间管理中台,实现城市数据资产的统一管理。以人工智能技术为主的AI中台还能够较好的解决城市空间管理面临的数据“深度”使用的问题。AI中台是将深度学习、计算机视觉、知识图谱、自然语言理解等人工智能技术模块化、组件化、可插拔化并赋能于中台,将人工智能能力(包括硬件的计算能力、算法的训练能力、模型的部署能力、基础业务的展现能力)集约起来,与中台的数据资源紧密结合并封装为整体中台系统。慧视光电开发的慧视RK3588图像处理板,采用了国产高性能CPU。信息化目标跟踪服务电话
慧视RK3588板卡可以用于大型公共停车场。电力应急目标跟踪有哪些
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。电力应急目标跟踪有哪些
YOLO单卷积神经网络在一次评价中直接从全图中预测多个boundingboxes和类概率,在全图上训练并直接优化检测性能,同时学习目标的泛化表示。然而,YOLO对边界框预测施加了严格的空间约束,限制了模型可以预测的相邻项目的数量。成群出现的小物件,如鸟类,对于此模型也同样有问题。fasterR-CN...
江西视频识别AI智能人脸识别
2025-01-03西藏双向对讲视频产品大概费用
2025-01-03吉林电力运维视频压缩与传输可视化指挥
2025-01-03甘肃应急救援AI智能
2025-01-03云南智慧养老AI智能烟雾识别
2025-01-03江西安防AI智能
2025-01-03贵州深度学习AI智能视觉
2025-01-03智慧养老AI智能解决方案
2025-01-03重庆开发AI智能科技
2025-01-03