SpeedDP的出現(xiàn)則正好解決了這一問題，它是一個基于瑞芯微的深度學習算法開發(fā)平臺，提供從數(shù)據(jù)標注、模型訓(xùn)練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發(fā)功能。平臺支持本地化服務(wù)器部署，高校、特殊單位等數(shù)據(jù)敏感的用戶無需擔心數(shù)據(jù)信息泄露的問題。高校等單位可以通過模型訓(xùn)練和模型評估等功能，打造一個符合需求的AI模型，來幫助進行海量的數(shù)據(jù)標注，這不僅將節(jié)約大量的數(shù)據(jù)標注時間，更重要的是能夠幫助提升自身算法在RK3588圖像處理板的檢測識別能力。成都慧視能夠定制RV1126芯片的圖像處理板。廣西靠譜的圖像處理板

“啟明935A”系列芯片已經(jīng)成功點亮，并完成各項功能性測試，達到車規(guī)級量產(chǎn)標準。啟明935A是行業(yè)首顆基于Chiplet(芯粒/小芯片)異構(gòu)集成范式的自動駕駛芯片，但并非單一芯片，而是一個家族系列。啟明935HUBChiplet可以和不同數(shù)量的大熊星座AIChiplet互相搭配，再結(jié)合靈活的封裝方式，快速形成不同性能等級的SoC芯片。它還支持高帶寬的PBLink多芯互連，雙芯雙向帶寬128GB/s，四芯雙向帶寬64GB/s。啟明935A每顆芯片都支持比較大20路的1080p60攝像頭輸入，可應(yīng)用于各類端側(cè)AI部署。得益于大熊星座NPU天然支持Transformer結(jié)構(gòu)，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。湖北圖像處理板生產(chǎn)企業(yè)慧視光電能夠定制CVBS接口的圖像處理板。

目標識別算法是一種深度學習算法，其聰明程度需要我們不斷訓(xùn)練，這就得益于大量的圖像標注，通過對車輛行駛環(huán)境的數(shù)據(jù)集的大量標注，能夠讓AI更加聰明，標注得越多，識別的精度就可能越高。但是大量的圖像標注跟工作顯然會耗費大量的時間精力。而慧視SpeedDP的出現(xiàn)很好地解決了這個問題。SpeedDP是一個深度學習AI算法訓(xùn)練開發(fā)平臺，他能夠通過現(xiàn)有的算法模型或者自訓(xùn)練一個算法模型，實現(xiàn)對新數(shù)據(jù)集的快速AI自動標注，以此反復(fù)，幫助使用者提升算法性能。能夠有效節(jié)約大量的時間。

美國再度要求臺積電停止出口7納米芯片給大陸，目前看來國產(chǎn)AI圖像處理的性能還得由RK3588穩(wěn)坐，不久前傳出了瑞芯微RK3688至少在一兩年內(nèi)無法推出，因此對于許多有高性能AI圖像處理板需求的客戶無需再等了。當下，選擇RK3588至少還可以保持性能***兩三年，而在國內(nèi)進行RK3588開發(fā)的廠家中，成都慧視憑借多年的豐富經(jīng)驗，已經(jīng)形成一整套快速的開發(fā)流程，針對于RK3588這樣的高性能圖像處理板，能夠快速定制SDI、CVBS、DVP、Cameralink等接口，滿足不同行業(yè)的需求。并且，隨著不少領(lǐng)域等目標跟蹤穩(wěn)定性的進一步提升，針對于高幀頻目標跟蹤這塊，成都慧視也完成了成熟的方案，通過RK358+FPGA，實現(xiàn)高幀頻相機的輸入輸出，為目標跟蹤提供更多的細節(jié)信息。能夠進行100HZ目標識別的圖像處理板。

在很長一段時間內(nèi)，傳統(tǒng)的糧庫害蟲檢查方法是依靠人工巡檢，用肉眼觀察，逐倉篩查的方法，這種方法覆蓋面不足且效率低下，篩查一次將耗費工作人員的大量時間精力。隨著技術(shù)的發(fā)展，AI化的篩查逐步采用，通過算法的AI識別實現(xiàn)自動化篩查。方法基于高像素高清攝像機，實時遠程監(jiān)控糧庫，一旦發(fā)現(xiàn)害蟲就能夠立即向管理平臺發(fā)出告警，有效降低巡檢成本和壓力，提升工作效率。這之中，實現(xiàn)AI識別處理的傳感器同樣重要，面對復(fù)雜的糧庫環(huán)境，一個高性能能夠快速處理數(shù)據(jù)的圖像處理板是關(guān)鍵?；垡暪怆娔軌蚨ㄖ芻amera link接口的RK3588圖像處理板。新疆圖像處理板結(jié)構(gòu)設(shè)計

慧視光電能夠定制USB接口的RK3588圖像處理板。廣西靠譜的圖像處理板

長時間一直進行這樣的圖像標注工作，那無疑是枯燥而乏味的，手酸不說，更多的是精神上的折磨，進而效率大打折扣。但這又是算法提升的必要途徑，無法跳過，當項目緊急時，甚至需要多人加班加點趕進度。這樣的痛苦現(xiàn)狀急需改變！慧視光電的算法工程師為了提高這一的效率，開發(fā)了一個深度學習算法開發(fā)平臺SpeedDP。它的基本邏輯是基于一個手動標注一定量的數(shù)據(jù)集進行訓(xùn)練，形成一個可用的預(yù)選模型（如果已有模型可以直接使用），然后訓(xùn)練一定階段后，可以評估此模型的能力，如果能夠滿足使用就可以對相同目標的新數(shù)據(jù)集（未進行任何標注）進行AI自動化標注。這一過程的省去了大量需要對新數(shù)據(jù)集的手動拉框工作，同時也在不斷反哺此模型算法，幫助提升性能。廣西靠譜的圖像處理板