dl 文章進(jìn)入dl技術(shù)社區(qū)

Firefly DL小巧輕便，嵌入式深度學(xué)習(xí)加速部署

近年來(lái)，機(jī)器視覺(jué)系統(tǒng)越來(lái)越多地基于可變條件進(jìn)行自動(dòng)化決策。開(kāi)發(fā)這些系統(tǒng)所需的時(shí)間和精力可能會(huì)讓人望而卻步。而深度學(xué)習(xí)的出現(xiàn)正在改變這一局面，并使自動(dòng)化決策觸手可及。開(kāi)源庫(kù)、Nvidia硬件和FLIR相機(jī)等資源正在幫助實(shí)現(xiàn)這一變化。走進(jìn)深度學(xué)習(xí)“一張圖片勝過(guò)千言萬(wàn)語(yǔ)”這句話在機(jī)器視覺(jué)領(lǐng)域里從未像今天這樣真實(shí)。機(jī)器視覺(jué)可以將數(shù)千甚至數(shù)百萬(wàn)行代碼用簡(jiǎn)單地經(jīng)過(guò)圖片和少量編碼訓(xùn)練后的的神經(jīng)網(wǎng)絡(luò)所代替。深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)形式，它使用在輸入和輸出節(jié)點(diǎn)之間有許多“深層”層的神經(jīng)網(wǎng)絡(luò)。通過(guò)在大數(shù)據(jù)集上訓(xùn)練網(wǎng)絡(luò)，可以創(chuàng)建
關(guān)鍵字： Firefly DL 深度學(xué)習(xí) 人工智能

　　隨著人工智能興起，利用“深度學(xué)習(xí)”技術(shù)進(jìn)行計(jì)算機(jī)視覺(jué)工作已是很普遍的應(yīng)用，如圖像分類(lèi)、對(duì)象檢測(cè)等。通常只需將單張圖像送入訓(xùn)練好的模型中進(jìn)行推理即可得到輸出結(jié)果，但當(dāng)遇到視頻文件或串流視頻時(shí)，逐格(by Frame)圖像分析就變得很沒(méi)效率，因?yàn)閹g時(shí)間差距過(guò)短（通常為1/30~1/60秒），場(chǎng)景中的對(duì)象位移量（變形量）可能過(guò)小，導(dǎo)致幀間得到幾乎相同的計(jì)算結(jié)果（對(duì)象位置、尺寸及分類(lèi)），浪費(fèi)計(jì)算資源，也讓系統(tǒng)看起來(lái)反應(yīng)過(guò)慢?！　榱耸挂曨l文件及串流視頻在分析上能加快反應(yīng)，Intel OpenVINO Too
關(guān)鍵字： OpenVINO 串流視頻 DL Stream

＊實(shí)際案例操作：SSD對(duì)象檢測(cè)接下來(lái)就用一個(gè)實(shí)際的例子來(lái)說(shuō)明如何操作DL Workbench。1.數(shù)據(jù)集預(yù)處理如果手上沒(méi)有現(xiàn)成的數(shù)據(jù)集可供測(cè)試，可以參考官網(wǎng)[6]的說(shuō)明下載需要的公開(kāi)數(shù)據(jù)集及標(biāo)注檔(Annotations)。這里以COCO 2014數(shù)據(jù)集舉例說(shuō)明。點(diǎn)選網(wǎng)頁(yè)[6]上Download COCO Dataset下的[2014 Val images](約6.2G Byte)和[2014 Train/Val annotations](約241M Byt
關(guān)鍵字： OpenVINO 圖形化接口工具 DL Workbench

＊DL Workbench工作流程在開(kāi)始實(shí)際操作前，先大致說(shuō)明一下整個(gè)DL Workbench的工作流程，方便后面理解實(shí)際操作項(xiàng)目，如Fig.3所示。Fig.3 DL Workbench工作流程圖。(OmniXRI Mar.2021整理制作)1.安裝(Install)：前面已經(jīng)介紹過(guò)，除了可直接一步一步安裝在計(jì)算機(jī)上，也可支持使用Docker映像方式安裝DL Workbench。另外OpenVINO也支持以Dev-Could方式安裝，方便沒(méi)有采購(gòu)硬件的人，先利用Intel提供的云端測(cè)試平臺(tái)來(lái)選擇合適的硬件
關(guān)鍵字： OpenVINO DL Workbench 圖形化接口工具

看過(guò)或玩過(guò)「神奇寶貝（寶可夢(mèng)）」的朋友都知道，訓(xùn)練家們要根據(jù)怪獸的屬性（火系、草系、電系等）給予適當(dāng)?shù)呐嘤?xùn)，再挑選合適的對(duì)象及不斷的對(duì)戰(zhàn)磨煉才能有好的戰(zhàn)斗表現(xiàn)。同樣地，AI模型訓(xùn)練師也是如此，依據(jù)不同的應(yīng)用場(chǎng)景（圖像分類(lèi)、對(duì)象檢測(cè)、圖像分割等），挑選適合在指定的硬件（CPU,GPU,VPU,FPGA等）上推理的模型，并反復(fù)調(diào)整合適的超參數(shù)，如此才能有好的成果。由于這樣的調(diào)參工作需要耗費(fèi)大量的時(shí)間及精力才能完成，傳統(tǒng)上只靠一堆數(shù)字報(bào)表來(lái)分析調(diào)整方向，所以非常仰賴專(zhuān)業(yè)工程師的能力才能完成。因此Intel Op
關(guān)鍵字： OpenVINO 圖形化接口工具 DL Workbench

數(shù)字信號(hào)主要的頻率分量都位于它的轉(zhuǎn)折頻率以下。轉(zhuǎn)折頻率FKNEE與脈沖上升時(shí)間TR相關(guān)，而與傳播延遲、時(shí)鐘速率或轉(zhuǎn)換頻率無(wú)關(guān)：信號(hào)傳播的整個(gè)路徑，包
關(guān)鍵字： DT DV DL 電壓突變

LabVIEW在配上NI的采集卡或者別的第三方的硬件，約等于神器（雖然有時(shí)候貴了點(diǎn)）。這樣你可以比較集中精力的專(zhuān)注于數(shù)據(jù)處理了，就不用學(xué)
關(guān)鍵字： LabVIEWCC++Dl

隨著智能電網(wǎng)的發(fā)展，電力行業(yè)對(duì)各種電能表終端的遠(yuǎn)程、實(shí)時(shí)管理，以及對(duì)抄表數(shù)據(jù)的通信需求成為一項(xiàng)重要的研究課題。將無(wú)線傳感器網(wǎng)絡(luò)用于多功能電能表數(shù)據(jù)通信，需解決各層協(xié)議的通信機(jī)制和與DL／T645規(guī)約匹配等問(wèn)題。文中提出了一種改進(jìn)型的基于IEEE802．15．4的QoS—MAC協(xié)議，并針對(duì)電力DL／T645規(guī)約的電能表各類(lèi)數(shù)據(jù)傳輸?shù)奶攸c(diǎn)以及集中抄表無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)通信需求，構(gòu)造了一種具有實(shí)時(shí)性和可靠性服務(wù)質(zhì)量的無(wú)線傳感器網(wǎng)絡(luò)MAC層模型。
關(guān)鍵字：無(wú)線傳感器網(wǎng)絡(luò) QoS&mdash MAC層模型 DL／T645規(guī)約數(shù)據(jù)傳輸

DL-01低頻電療儀電路剖析,低頻電流對(duì)人體的穿透能力很強(qiáng)，故低頻電療儀對(duì)頸椎病、肩周炎、腰椎間盤(pán)突出、風(fēng)濕、關(guān)節(jié)炎、腦供血不足、人體內(nèi)部非病毒性炎病都有一定的療效。根據(jù)實(shí)物拆解繪制的DL-01型低頻家用電療儀原理電路如附圖所示。電路的
關(guān)鍵字： DL 低頻電療儀

數(shù)字信號(hào)主要的頻率分量都位于它的轉(zhuǎn)折頻率以下。轉(zhuǎn)折頻率FKNEE與脈沖上升時(shí)間TR相關(guān)，而與傳播延遲、時(shí)鐘速率或轉(zhuǎn)換頻率無(wú)關(guān)：信號(hào)傳播的整個(gè)路徑，包括器件封裝、電路板布局以及連接器等，如果要它們正確地分發(fā)轉(zhuǎn)換
關(guān)鍵字： DT DV DL 電壓突變