基于深度学习的嵌入式视觉系统是如何工作的

作者:admin    发布时间:2019-06-20    浏览量:

嵌入式视觉系统可将紧凑的机器视觉直接集成到机器或设备中,使用专用的PC平台有着更低的功耗和更可靠的性能,适用于各种应用中进行智能图像处理。

基于深度学习的嵌入式视觉系统正在为特定任务开发,这些系统无需操作系统即可工作,甚至需要更少的功率和编程。仅在仅由电池供电时,具备更长的运行时间。这些系统采用先进的算法处理来自集成图像传感器的原始图像流,也可以通过深度学习进行训练。在系统设计期间会产生高的初始成本,并且这些系统只能在以后以高成本的时间和精力进行更改。

卷积神经网络与深度学习

深度学习

卷积神经网络(CNN)或以大脑为模型的计算机系统已经存在了很长时间,直到最近两年,这些处理器才达到运算所需要的速度。神经网络的使用现已应用于图像分类,检测和识别,使得深度学习的嵌入式视觉成为关键组成部分。深度神经网络使嵌入式视觉成为可能,因为对象检测不再需要手动编码。深度神经网络让视觉系统从训练样例中学习,深度学习表明神经网络具有输入层,输出层和至少一个隐藏的中间层。

卷积神经网络(CNN)

CNN是用于实现深嵌入视觉所需的深度神经网络的当前方法,可以训练CNN来检测多个物体。使用传统算法,必须为每种新对象类型制定算法。深度学习框架使用大型图像数据集来训练CNN以检测图像中的特定特征。

基于深度学习的视觉系统是如何工作的

基于深度学习的视觉系统的工作原理

应用尝试学习嵌入式视觉系统的其中一个应用在抄表领域,装备着紧凑型模块与摄像头,OCR软件和无线电链路集成在一起。视觉系统可以安装在机械仪表上,实现便宜的自动记录,无需更换电子版本的仪表。读数可以定义的时间间隔转发到主计算机,手工阅读的劳动密集型任务变更不再繁琐。加上超低的功耗,模块可以免维护多年。

随着技术的持续创新,基于深度学习的视觉系统,可用于通过深度学习教授的越来越多的任务,受益于更低的功率要求,更长的运行时间以及无需操作系统的工作。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1