浙江信息化目标跟踪

在深度学习中，解决训练数据不足常用的一个技巧是“预训练-微调”（Pretraining-finetune），即大数据集上面预训练模型，然后在小数据集上去微调权重。但是，在训练数据极其稀少的时候（只有个位数的训练图片），这个技巧是无法奏效的。图2展示了一个检测模型预训练过后，在单张训练图片上微调的过程：尽管训练集上逐渐收敛，但是检测器仍无法检测出测试图片中的物体。这反映出了“预训练-微调”框架的泛化能力不足。利用SpeedDP经过大量的数据训练后，机器就能够精确检测跟踪图像中的物体。慧视光电开发的慧视RV1126图像处理板，采用了国产高性能CPU。浙江信息化目标跟踪

无人机只需要从基地起飞，就能够对指定区域进行巡检，智能摄像头能够自动问诊地面，识别护栏错位、路面积水、凹陷、裂缝、交通事故、车流异常等问题，然后标记位置。而控制中心能够实时查看前方画面，接收无人机回传的数据，并进行诊断分析，整个过程无需过多的人工干预。这种无人机智能问诊，是通过向无人机植入高性能的AI图像处理板以及定制专门的目标识别算法来实现的。成都慧视开发的Viztra-LE026图像处理板，就非常适合用在无人机智能化领域。这块板卡外形呈圆形设计，尺寸为ф38*12mm，功率不超过4W，整体呈现功耗低、尺寸小的特点。用在紧凑型的无人机当中也不会因为空间问题而苦恼，并且不会过多消耗无人机的续航。此外，Viztra-LE026这款图像处理板采用的是RV1126芯片，2.0TOPS的算力用在路面识别领域十分合适。数据目标跟踪慧视光电开发的慧视RK3588图像处理板，采用了国产高性能CPU。

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-CNN，一个由全深度CNN组成的单一统一对象识别网络，提高了检测的准确性和效率，同时减少了计算开销。该模型集成了一种在区域方案微调之间交替的训练方法，使得统一的、基于深度学习的目标识别系统能够以接近实时的帧率运行，然后在保持固定目标的同时微调目标检测。

视觉目标跟踪是指在视频图像序列的各帧图像中找到被跟踪的目标。基于区域的跟踪的基本思想是通过图像分割或预先人为确定，提取包含着运动目标的运动变化的区域范围作为匹配的目标模板，然后把目标模板与实时图像在所有可能位置上进行叠加，然后计算某种图像相似性度量的相应值，其比较大相似性相对应的位置就是目标的位置，Jorge等人提出的区域跟踪算法不仅利用了分割结果来给跟踪提供信息，同时也能利用跟踪所提供的信息改善分割效果，把连续帧的目标匹配起来跟踪目标。慧视RV1126图像处理板能实现24小时、无间隙信息化监控。

美国再度要求台积电停止出口7纳米芯片给大陆，目前看来国产AI图像处理的性能还得由RK3588稳坐，不久前传出了瑞芯微RK3688至少在一两年内无法推出，因此对于许多有高性能AI图像处理板需求的客户无需再等了。当下，选择RK3588至少还可以保持性能***两三年，而在国内进行RK3588开发的厂家中，成都慧视凭借多年的丰富经验，已经形成一整套快速的开发流程，针对于RK3588这样的高性能图像处理板，能够快速定制SDI、CVBS、DVP、Cameralink等接口，满足不同行业的需求。并且，随着不少领域等目标跟踪稳定性的进一步提升，针对于高帧频目标跟踪这块，成都慧视也完成了成熟的方案，通过RK358+FPGA，实现高帧频相机的输入输出，为目标跟踪提供更多的细节信息。Viztra-LE034图像跟踪板支持目标跟踪识别目标（人、车）。附近目标跟踪优势

MIPI接口转网络输出的视频跟踪板。浙江信息化目标跟踪

无人机在高速公路巡检中的作用越来越突出，特别是在十一黄金周这样的出行高峰，高速公路的安全和畅通至关重要。传统的巡检模式受到人力物力以及时空的限制，弊端很大，难以实现精细大面积的监控疏导。无人机灵活机动的特点则能够很好的弥补时空的局限，而想要进一步减少人力物力的付出，则需要打造智能化的无人机，通过AI赋能，让无人机更加聪明。打造智能化无人机可以在无人机吊舱的基础上加装高性能的AI图像处理设备，成都慧视开发的Viztra-HE030图像处理板凭借6.0TOPS的算力，用在十一黄金周这样的出行高峰期就能够很好地胜任工作，板卡采用了国产化芯片RK3588，在算法的赋能下，能够实现高效巡检。浙江信息化目标跟踪