研发AI智能目标跟踪

在这些小型飞行器自主避障飞行中，算法的性能很关键，他能帮助规划路线，识别障碍物。为了满足这样小型化飞行器的需求，成都慧视开发了同样是小型化体积的AI图像处理板Viztra-LE026，这块板卡采用了瑞芯微高性能芯片RV1126，体积小、功耗低，用在小型无人机上不会过多增加其负担。而4和处理器，支持INT8和INT16，能够输出比较大2.0TOPS的算力，足以满足在复杂环境中快速进行识别检测。

此外，成都慧视推出的深度学习算法开发平台还能够针对算法进行模型训练，通过大量的训练来提升算法性能。 哪些平台适合训练算法？研发AI智能目标跟踪

无人机被广泛应用于目标跟踪，其机动灵活的特点对地面的被跟踪对象而言简直就是降维打击。搭载摄像头以及传感器等设备后，无人机可以实现自主飞行，然后通过植入高精度的AI目标跟踪算法，就能够分析摄像头范围内的物体，通过AI对特征的进一步提取分析，就能够单独识别出目标物体形状，并锁定其位置。这种技术可以用于各种领域的信息侦查、监视、打击等任务，比传统的人工模式更安全更高效。要想实现这样的技术，可以通过在无人机中安装光电吊舱，然后在吊舱中植入高性能的AI图像处理板，通过算法的赋能就能够实现。研发AI智能目标跟踪不断提高目标检测算法的准确性和效率能够帮助提升标注精度。

AI的不断应用发展使得传统的人工工作的弊端得到了很好的弥补。比如在图像标注这个领域，传统的标注需要招聘大量的人员，并且标注图像所耗费的时间精力也是不可估量的，而AI模型的出现让这一切都成为过去。利用慧视光电打造的深度学习算法开发平台SpeedDP，就能够针对场景识别进行特有的模型部署训练，通过大量的训练，让AI学会自动标注图像。平台采用标准的AI算法开发流程，通过从需求分析、数据制作到模型训练、测试验证以及模型部署几个主要模块。SpeedDP用于模型训练和评估测试的数据集是由一系列的图像和标注文件组成的，平台支持多种开源数据格式如VOC和COCO。而目前平台共支持yolox系列和yolov8系列模型用于模型训练（分割任务*支持yolov8模型），通过不断额测试验证，就能够让AI实现海思、RockChip嵌入式硬件平台等模型部署的可视化AI开发功能。

智慧城市的建设中，需要用到智慧摄像头，这些摄像头与传统的不一样，它们能够模拟人眼进行视觉处理。主要是在摄像头中植入高性能的AI图像处理板，这些板卡在定制算法的赋能下，通过对视野内的图像特征的提取分析，就能够对物体具备动态跟踪处理已经后续的识别分析能力。复杂的识别场景中，板卡的性能和AI算法的能力十分关键。旗舰级的图像处理板都是具有工业级的处理能力，在这样的环境下才能更好地工作，能够更快处理海量数据，而算法的能力则决定着处理这些信息的精度。SpeedDP是一个AI算法训练平台。

在我们生活生产中，许多小型化的无人机类似于昆虫，凭借其机动、灵活、体积小的特点能够在复杂的环境中执行飞行任务。但是再精细化的操控，也难以做到完全避免障碍物的阻碍，因此需要采用AI避障的功能。AI避障中很重要的一点是要对环境进行自动化的识别。利用高性能的AI图像处理板，再定制化目标识别检测的算法，通过对这类无人机作业环境的大量深度学习，就能够让无人机AI愈发聪明，能够快速识别摄像头范围内的物体，从而实现避障的操作。定制算法也能够进行训练吗？研发AI智能目标跟踪

算法的提升得益于大量的数据标注。研发AI智能目标跟踪

我国家的机动车数量庞大，但是停车位的建设却没有很好的跟上节奏，这也就导致许多车在出行时找不到停车位，车主也就不得不临时将车停放在路边。随着路边停放车辆的不断增多，原本宽敞的道路也就变得狭窄，严重时甚至会堵得水泄不通。此外，一些大车由于阻挡视野，还容易造成“鬼探头”等事故。通常情况下，交管部门会利用路边的抓拍设备进行违停抓拍或者巡逻车进行巡逻，但是从实际效果来看，作用并不明显。于是，无人机被派上用场。研发AI智能目标跟踪