轨迹图像识别模块技术

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。经过验证，训练成熟后的AI进行标注时，通常情况下，7-8ms就能标注一张图像，这是人工标注远不能及的速度。目前，我司能够为该平台提供完整的人、车、船等目标检测模型的数据提供，也可以根据应用场景进行特殊定制。计算机专业进行实训教学可以选择成都慧视开发的图像处理板。轨迹图像识别模块技术

“启明935A”系列芯片已经成功点亮，并完成各项功能性测试，达到车规级量产标准。启明935A是行业首颗基于Chiplet(芯粒/小芯片)异构集成范式的自动驾驶芯片，但并非单一芯片，而是一个家族系列。启明935HUBChiplet可以和不同数量的大熊星座AIChiplet互相搭配，再结合灵活的封装方式，快速形成不同性能等级的SoC芯片。它还支持高带宽的PBLink多芯互连，双芯双向带宽128GB/s，四芯双向带宽64GB/s。启明935A每颗芯片都支持比较大20路的1080p60摄像头输入，可应用于各类端侧AI部署。得益于大熊星座NPU天然支持Transformer结构，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。成都自主识别图像识别模块识别成都慧视共开发有三款图像处理板。

目标识别算法是一种深度学习算法，其聪明程度需要我们不断训练，这就得益于大量的图像标注，通过对车辆行驶环境的数据集的大量标注，能够让AI更加聪明，标注得越多，识别的精度就可能越高。但是大量的图像标注跟工作显然会耗费大量的时间精力。而慧视SpeedDP的出现很好地解决了这个问题。SpeedDP是一个深度学习AI算法训练开发平台，他能够通过现有的算法模型或者自训练一个算法模型，实现对新数据集的快速AI自动标注，以此反复，帮助使用者提升算法性能。能够有效节约大量的时间。

成都慧视光电技术有限公司开发的RK3588系列图像处理板Viztra-HE030图像处理板能够在算法的支持下，对高速公路上的车辆进行检测识别，对个别车辆进行指定安全跟踪和检测，这将有助于有关部门进行测速和安全驾驶的管理侦查。通过实时数据的采集分析，还能够找出高速拥堵源头，为交通疏导提供精细信息，为提升整条道路的通行效率提供帮助。在夜间，图像处理板也可以和红外相机有机结合，实现AI检测识别的功能。24小时工作能力也为全天时的交通管理提供技术支撑。成都慧视可以定制cameralink接口的RK3588图像处理板。

瑞芯微推出的RK3588系列图像处理板作为国产化板卡的性能前列，成为了各领域研究开发的优先，它能在诸多行业实现目标检测、识别以及跟踪等功能，具有重要的研究开发价值。特别是对于高校而言，将RK3588作为课题进行研究开发，是一个不错的选择。但是在这些功能实现过程中，算法的能力就十分重要，如何让算法更加精细的识别检测例如人、车、船等目标成为首要解决的问题。要想让AI算法更能精确的识别检测目标，可以利用AI的深度学习能力，让AI不断学习这些目标的特征，从而达到精细识别的能力。这个过程，可以通过大量的数据标注，来训练AI。但大量待标注工作，常常让开发者头疼。如果采用传统方式用人工挨个挨帧标注，将会耗费大量时间精力，让成本不可控。如何选择合适的图像处理板性能？成都工业级图像识别模块

成都慧视利用RV1126芯片打造了一个高性能的Viztra-LE026图像处理板。轨迹图像识别模块技术

随着生活品质的提升，现在无论是企业还是个人都对智能化的需求有所提升，这就对于摄像头提出了新的要求。现在市面上的传统摄像头都只具备记录功能，受限于镜头的视野范围，就算可以转动也必须是手动操作，尚不能实现自动化。但在智慧安防等领域，如果摄像头能够实现自动化转动，那将进一步提升安防水准。自动转动并不是目的，它的深层需求是需要对视野目标进行锁定跟踪，从而操控镜头转动。这就需要摄像头智能化。摄像头需求识别出现在镜头的物体。轨迹图像识别模块技术