基于希罕高效的流卷积操作与自动网络架构搜索手艺,构建轻量化流卷积图像分类网络(FGNet),在ImageNet图像分类数据集上,FGNet相比ResNet参数目显着下降,Top1精度显着提升。
融合轻量化分类网络FGNet与目的检测框架YOLO,接纳多标准纹理随机化处置惩罚的数据增强操作,相比YOLOv5s参数目显着下降,mAP50精度显着提升。
基于GPU与NPU芯片自主研发高性能嵌入式盘算模组,通过对算法模子和焦点系统做大宗盘算优化,在摄像机前端实现目的识别和系统整体控制,显著降低了网络带宽压力和后台效劳器盘算压力。
基于PuzzleNet实现融合处置惩罚多帧间的冗余信息以及加速推理,支持建设高效视频信号流模子,并举行高效的运动目的特征提取,极大提升目的快速检测精度。
基于深度学习手艺,接纳不依赖配景的算法,参考大脑神经事情方法,对特征举行笼统提取,极大提升视频识别的准确率。
将目的识别算法、高精度联下手艺、低误报率手艺植入摄像机前端芯片,实现1080p高清视频信号实时剖析识别,确认目的后再向效劳器转达报警信息,有用降低网络带宽本钱。
模子轻量化手艺
高性能目的识别手艺
实时可靠的边沿加速手艺
PuzzleNet 快速检测手艺
低误报率识别手艺
边沿盘算手艺