OLO系列算法目前更新到Y(jié)OLOv8。Yolo系列算法是典型的onestage算法，同樣，在算法設(shè)計(jì)上也注重目標(biāo)區(qū)域的檢測(cè)以及特征的分類(lèi)，這里目標(biāo)區(qū)域的檢測(cè)采用的是和圖像區(qū)域分類(lèi)定位的方式實(shí)現(xiàn)的。Yolo系列算法是一種比較成熟的目標(biāo)檢測(cè)算法框架，基于這種框架的算法還在不斷地迭代中，當(dāng)然解決的問(wèn)題也越來(lái)越細(xì)化，比如候選區(qū)精度、比如小尺度檢測(cè)等?；旧蟉oloV3及以上版本的算法可以在很多場(chǎng)景下得到現(xiàn)實(shí)應(yīng)用。2023 年 1 月，目標(biāo)檢測(cè)經(jīng)典模型 YOLO 系列再添一個(gè)新成員 YOLOv8，這是 Ultralytics 公司繼 YOLOv5 之后的又一次重大更新。YOLOv8 一經(jīng)發(fā)布就受到了業(yè)界的廣關(guān)注，成為了這幾天業(yè)界的流量擔(dān)當(dāng)。用SpeedDP進(jìn)行圖像標(biāo)注可以省下許多人力成本。智慧交通AI智能算法分析

國(guó)內(nèi)頭部數(shù)據(jù)采集標(biāo)注服務(wù)商云測(cè)數(shù)據(jù)在圖像識(shí)別數(shù)據(jù)服務(wù)的實(shí)踐我們了解到,其訓(xùn)練數(shù)據(jù)服務(wù)方案已經(jīng)在眾多的圖像識(shí)別應(yīng)用中落地,包含汽車(chē)、手機(jī)、工業(yè)、家居、金融、安防、新零售、地產(chǎn)等行業(yè)。以智能駕駛場(chǎng)景為例,通過(guò)數(shù)據(jù)采集服務(wù),可對(duì)智能駕駛主流應(yīng)用場(chǎng)景包括DMS與ADAS進(jìn)行覆蓋,包括駕駛員信息備采、多模及車(chē)載語(yǔ)音采集、物體采集等眾多場(chǎng)景的搭建采集;在數(shù)據(jù)標(biāo)注服務(wù)方面可滿足圖片通用拉框、車(chē)道線、DMS、3D點(diǎn)云、2D/3D融合、全景語(yǔ)義分割等標(biāo)注類(lèi)型,從而獲取高效、安全的,貼合應(yīng)用場(chǎng)景的數(shù)據(jù)。從模型訓(xùn)練的源頭保證圖像視頻識(shí)別技術(shù)的準(zhǔn)確性,增強(qiáng)各大企業(yè)人工智能優(yōu)勢(shì)的優(yōu)勢(shì),塑造企業(yè)核心數(shù)據(jù)壁壘。智慧交通AI智能算法分析AI的三大基石：數(shù)據(jù)、算力和算法。

SpeedDP包含如下五個(gè)模塊：1.數(shù)據(jù)集管理：采集并制作用于訓(xùn)練和測(cè)試的數(shù)據(jù)集；2.項(xiàng)目配置：根據(jù)項(xiàng)目的實(shí)際情況，對(duì)調(diào)整相關(guān)配置參數(shù)進(jìn)行定制化開(kāi)發(fā)；3.模型訓(xùn)練：完成訓(xùn)練參數(shù)配置，開(kāi)始模型訓(xùn)練并監(jiān)控訓(xùn)練過(guò)程，損失精度可接受時(shí)，暫停訓(xùn)練；4.模型測(cè)試：使用數(shù)據(jù)集或?qū)嶋H業(yè)務(wù)場(chǎng)景圖像視頻數(shù)據(jù)進(jìn)行模型評(píng)估；5.模型部署：模型測(cè)試結(jié)果達(dá)到預(yù)期，進(jìn)行模型轉(zhuǎn)化和部署。據(jù)客戶反饋，使用了慧視光電的SpeedDP后，初步提升效率在80%以上，開(kāi)發(fā)周期縮短，同時(shí)可售可租的模式，也讓企業(yè)的選擇更加靈活，為所在單位降本增效提供幫助。

信息戰(zhàn)將會(huì)是未來(lái)戰(zhàn)場(chǎng)的主要形式之一，信息的獲取、加工、處理、分析、傳遞、控制、遮斷能力將影響***的進(jìn)程。無(wú)人偵察機(jī)作為信息獲取的重要手段，在偵察監(jiān)視體系中發(fā)揮著其他裝備難以替代的作用，無(wú)人機(jī)以其在信息獲取中的突出地位和獨(dú)特優(yōu)勢(shì)得到大量關(guān)注。作為空中偵察平臺(tái)和武器平臺(tái)，無(wú)人機(jī)通過(guò)攜帶吊艙后，能夠執(zhí)行偵察監(jiān)視、激光制導(dǎo)、電子干擾、通信中繼、目標(biāo)定位、戰(zhàn)斗評(píng)估等任務(wù)。此外，無(wú)人機(jī)還可進(jìn)行精確打擊、定點(diǎn)轟炸，甚至還可以攔截戰(zhàn)術(shù)導(dǎo)彈和巡航導(dǎo)彈，代替人員在核生化或其他特殊條件下執(zhí)行作戰(zhàn)任務(wù)。利用SpeedDP能夠?qū)崿F(xiàn)降本增效。

機(jī)器人是AI落地應(yīng)用的一個(gè)很重要載體，AI賦能的機(jī)器人能夠在安防巡檢、自動(dòng)化作業(yè)、應(yīng)急救援等領(lǐng)域發(fā)揮重要作用。在電力巡檢當(dāng)中，傳統(tǒng)的模式需要人工一步一步走出來(lái)，面對(duì)假設(shè)在各種環(huán)境中的輸電線，這種模式弊端重重，費(fèi)時(shí)費(fèi)力。而常年經(jīng)受風(fēng)吹雨曬的輸電線，在使用久了之后，難免會(huì)出現(xiàn)電力設(shè)備損壞缺失等問(wèn)題，AI賦能下的機(jī)器人的出現(xiàn)，為這項(xiàng)行業(yè)的工作效率的提升提供了新思路。巡檢機(jī)器人內(nèi)置可見(jiàn)光和紅外攝像頭，能夠?qū)崿F(xiàn)晝夜巡檢，然后再內(nèi)置高性能的AI圖像處理板，就能夠運(yùn)用AI識(shí)別、多機(jī)協(xié)同、數(shù)字孿生、巡檢監(jiān)控等技術(shù)，實(shí)現(xiàn)自動(dòng)巡視、缺陷和表計(jì)自動(dòng)識(shí)別和告警、巡視報(bào)表自動(dòng)生成和發(fā)送等功能，實(shí)現(xiàn)場(chǎng)站式巡檢場(chǎng)景的全息感知和全域決策輔助。人工智能Artificial Intelligence、機(jī)器學(xué)習(xí)Machine Learning和深度學(xué)習(xí)Deep Learning通常可以互換使用。智慧交通AI智能算法分析

人工智能和機(jī)器學(xué)習(xí)算法可用于分析來(lái)自各種來(lái)源的大量數(shù)據(jù)。智慧交通AI智能算法分析

管人員遠(yuǎn)程操控?zé)o人機(jī)在道路上空進(jìn)行巡飛，就能夠發(fā)現(xiàn)哪條路上有違停車(chē)輛。相較于傳統(tǒng)治理，無(wú)人機(jī)擁有更高視野及機(jī)動(dòng)性。在提前規(guī)劃無(wú)人機(jī)航線后，“自動(dòng)機(jī)場(chǎng)”內(nèi)部署的無(wú)人機(jī)會(huì)定時(shí)進(jìn)行空中巡視，一旦發(fā)現(xiàn)違停車(chē)輛即開(kāi)展圖像取證。隨后，后臺(tái)系統(tǒng)將實(shí)時(shí)推送違停提示短信至車(chē)主，提醒其在10分鐘內(nèi)駛離。對(duì)于規(guī)定時(shí)間內(nèi)未駛離的車(chē)輛，系統(tǒng)將通知附近的警力趕赴現(xiàn)場(chǎng)，二次取證并進(jìn)行整治。這個(gè)過(guò)程中，可以利用無(wú)人機(jī)吊艙進(jìn)行輔助，吊艙的使用能夠進(jìn)一步提升效率。例如成都慧視開(kāi)發(fā)的VIZ-GT07D微型三軸雙光慣性穩(wěn)定吊艙，吊艙集成了640×512高分辨率紅外相機(jī)、1300萬(wàn)像素的全高清可見(jiàn)光相機(jī)和陀螺穩(wěn)定平臺(tái)。當(dāng)發(fā)現(xiàn)違停車(chē)輛時(shí)，無(wú)需抵近，即便是夜間也能夠通過(guò)變焦放大就能夠?qū)?chē)輛進(jìn)行信息取證。智慧交通AI智能算法分析