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...
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。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,搭载自研目标跟踪及跟踪算法。宁夏移动目标跟踪
随着社会经济的发展,近年来汽车保有量持续上涨,同样的产生的汽车事故也越来越多。夜间行车的事故率要比白天高一半以上,因为夜晚行驶车辆时,光线不足、可视范围减少,会让驾驶人难以做出准确的判断,一旦有突发情况,驾驶人很难及时控制车辆,容易发生事故。针对这一情况,建议使用慧视光电的“慧眼”双光监测设备,可实现白天黑夜24小时监测车辆外界情况,利用红外线技术将黑暗变得如同白昼,使驾驶员在黑夜里看得更远更清楚,可及时识别外来车辆或则路面情况(积水识别、路面裂缝识别等),及时告警提示驾驶人员,提高驾驶安全性。国产目标跟踪型号慧视AI板卡能够凸显AI的智慧之能,变被动为主动,提供多种能主动预警的视频分析和人脸识别黑白名单管理。
随着5G快速发展,一个万物智能互联的世纪应运而生,人工智能也随着智能互联的发展充满了生机,市场对智能图像处理板的要求也越来越高。随着国内相关行业市场对图像处理板卡要求的日益提升,慧视光电推出了目前市场上基于RV1126的较小型的图像处理板卡。产品作为人工智能通用平台,用于城管、银行、边海防、电力、无人机与机器人、车辆集成等领域,快速对现有设备完成智能化升级。同时客户可根据需求自己做适配的电源板、电气接口等进行二次开发。
成都慧视光电技术有限公司推出的国产化图像检测与跟踪智能处理板——RV1126处理模块,具有以下特点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RK3588跟踪板如何实现目标的识别及跟踪?
无人驾驶汽车是计算机视觉技术应用的重要领域。在自动驾驶过程中,通过对车道线、前后方车辆和行人等目标的准确识别,为更高级的行为选择、障碍物规避以及路径规划功能提供了基础,这其中的一项关键技术就是目标跟踪。由于实际路况极为复杂,基于传统目标检测的辅助驾驶技术性能难以得到大幅提升。随着技术的发展,采用深度学习可以直接学习和感知路面和道路上车辆的特征,经过一段时间的正确驾驶过程,便能学习和感知实际道路情况下的相关驾驶技能,无需再通过感知具体的路况和各种目标,大幅提升了辅助驾驶算法的性能。慧视AI算法是无人设备的“眼睛”。山东目标跟踪联系方式
慧视光电开发的RK3588跟踪板智能目标识别及追踪,让目标无处可藏。宁夏移动目标跟踪
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。宁夏移动目标跟踪
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...
目标识别远程协助
2024-12-30甘肃研发AI智能算法
2024-12-30西藏双向对讲视频设备
2024-12-30河南目标检测参考价格
2024-12-30江西机载吊舱图像识别模块提供商
2024-12-30行为识别图像识别模块器
2024-12-30宁夏移动目标识别创意
2024-12-30安全目标识别联系方式
2024-12-30山东稳定目标识别供应商
2024-12-30