研发AI智能视觉

随着人工智能的不断发展，人工智能+给各行各业带来了翻天覆地的变化。为了让人工智能反哺经济、生活、生产等诸多领域，不少民企、事业单位开始大量采用相关人工智能服务，来帮助企业节省项目开发时间，这样能够提升效率优化项目成本。但是AI类服务带来优势的同时也带来了诸多问题，一方面人工智能的开发需要投入大量人力物力，包括长时间的深度学习模型训练、人才的培养、大量数据模型的采集标注，并且大量的投入不一定意味着能取得很好地结果。慧视RV1126图像跟踪板支持AI智能识别目标（人、车）。研发AI智能视觉

SpeedDP有4+3的功能组合，为不同需求的客户提供定制化服务。项目配置：含任务属性（当前支持目标检测）、算法模型（当前支持YOLO-X）、项目参数等；模型训练：支持模型参数配置、训练过程可视化等；模型评估：支持评价体系（如：AP）、结果统计等；数据测试：支持数据（图像、视频）的实时加载测试，输出OSD叠加后的测试结果；自动标注：基于导入数据集快速生成标注结果，支持标注工具（LabelImg）读取和调整；（可选）模型部署：支持PC端、嵌入式端（瑞芯微平台，RKNN/RKNN2）两种部署方式；（可选）Web服务：支持快速搭建Web服务，用于团队内部或对外进行快捷访问和申请服务；（可选）重庆边海防AI智能目标跟踪AI算法赋能下的图像处理板能够进行目标识别。

例如在工厂库房，它能够大限度地提高供应链的效率，提高整体生产率。通过AI来分析和监控库存，并根据收集客户的购物习惯，从而提升服务体验，增加市场竞争力。在自动驾驶领域，AI赋能的摄像头能够自动化识别监控周边环境，判断路面是否存在障碍物，从而在自动驾驶时精确避障。在人员密集的开放性场所，如车站、商城等，AI算法赋能的摄像头能够监控每一个人的行为举止，当出现危险性行为时，AI监控就能立即识别并报警，减少危险行为的进一步伤害。在制造业领域，搭载AI算法的摄像头能够比人眼更加精确的判断产品是否出现瑕疵，从而提升良品率。

图像识别技术的高价值应用就发生在你我身边，例如视频监控、自动驾驶和智能医疗等，而这些图像识别进展的背后推动力是深度学习。深度学习的成功主要得益于三个方面：大规模数据集的产生、强有力的模型的发展以及可用的大量计算资源。对于各种各样的图像识别任务，精心设计的深度神经网络已经远远超越了以前那些基于人工设计的图像特征的方法。尽管到目前为止深度学习在图像识别方面已经取得了巨大成功，但在它进一步广泛应用之前，仍然有很多挑战需要我们去面对。慧视微型双光吊舱能够实现昼夜成像。

慧视SpeedDP深度学习算法开发平台采用标准的AI开发流程，即需求分析->数据采集标注->模型训练->测试验证->模型部署。实际操作部分可分为如下五个模块：数据集管理：采集并制作用于训练和测试的数据集；项目配置：根据项目的实际情况，对调整相关配置参数进行定制化开发；模型训练：完成训练参数配置，开始模型训练并监控训练过程，损失精度。可接受时，暂停训练；模型测试：使用数据集或实际业务场景图像视频数据进行模型评估；模型部署：模型测试结果达到预期，进行模型转化和部署。慧视光电SpeedDP深度学习算法开发平台主要针对一些数据需要保密、同时又有AI算法开发能力的单位、AI算法软件公司等，缩短算法的开发、优化、部署周期，同时减少人员的消耗，达到降本增效的目的。RK3399PRO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，搭载自研目标检测及跟踪算法。陕西安防AI智能处理板

慧视RK3588图像跟踪板支持AI智能识别目标（人、车）。研发AI智能视觉

目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的主要问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域相当有有挑战性的问题。随着深度学习的不断发展，目标检测的应用愈加广，现已被应用于农业、交通和医学等众多领域。与基于特征的传统手工方法相比，基于深度学习的目标检测方法可以学习低级和高级图像特征，有更好的检测精度和泛化能力研发AI智能视觉