SpeedDP作為一個(gè)服務(wù)型AI平臺(tái)，它能提供從數(shù)據(jù)標(biāo)注、模型訓(xùn)練、測(cè)試驗(yàn)證到RockChip嵌入式硬件平臺(tái)模型部署的可視化AI開發(fā)功能。平臺(tái)所需算法并不是固定的，使用者可以根據(jù)自身實(shí)際應(yīng)用場(chǎng)景進(jìn)行AI算法的定制化開發(fā)，例如平臺(tái)經(jīng)過不斷的迭代，目前能夠支持YOLOv8系列算法進(jìn)行圖像標(biāo)注。SpeedDP這個(gè)平臺(tái)使用起來十分簡(jiǎn)便，在圖像標(biāo)注領(lǐng)域其基本使用方法是：1.首先有一個(gè)比較好的預(yù)選模型2.用這個(gè)預(yù)選模型做自動(dòng)標(biāo)注3.后期人工審核修正無人船目標(biāo)檢測(cè)識(shí)別。視頻目標(biāo)檢測(cè)技術(shù)

進(jìn)入夏季，我國(guó)南方各地陸續(xù)進(jìn)入汛期，特別是長(zhǎng)江流域沿線，洪峰過境造成不小的災(zāi)害，不少城鎮(zhèn)與外界失去了聯(lián)系。要想更好地實(shí)施救援，就必須詳細(xì)了解各地災(zāi)情，然后進(jìn)行針對(duì)性救援部署，打通生命線，轉(zhuǎn)移安置災(zāi)民。在這個(gè)前期的工作中，搭載吊艙的無人機(jī)能夠很好地進(jìn)行信息收集，并參與救援。無人機(jī)搭載吊艙后，能夠動(dòng)態(tài)開展災(zāi)情監(jiān)測(cè)，通過攝像頭等各類傳感器快速獲取災(zāi)區(qū)道路、橋梁、房屋、被困人員等位置和數(shù)量信息，為后續(xù)制定應(yīng)急救援計(jì)劃，開展救援工作提供精細(xì)信息。同時(shí)，在進(jìn)行救援時(shí)，無人機(jī)機(jī)動(dòng)靈活的特點(diǎn)，還能夠配合救援隊(duì)伍進(jìn)行道路偵查，保障救援隊(duì)伍的安全。視頻目標(biāo)檢測(cè)技術(shù)用于目標(biāo)檢測(cè)的AI模塊。

多邊形標(biāo)注能夠能夠幫助我們標(biāo)注一些規(guī)則復(fù)雜的物體，如動(dòng)物、人、車、建筑物等，與矩形標(biāo)注框等方法相比，多邊形標(biāo)注更能精確展示被標(biāo)注物體的形狀、大小以及實(shí)時(shí)形態(tài)，通過大量的多邊形標(biāo)注工作，能夠更好的幫助我們提高算法模型的準(zhǔn)確性和魯棒性。傳統(tǒng)的多邊形標(biāo)注方法中，標(biāo)注者需要在物體的邊緣上依次單擊鼠標(biāo)或使用繪圖工具，將點(diǎn)連接起來形成一個(gè)封閉的多邊形。標(biāo)注的難度取決于被標(biāo)注物體的復(fù)雜程度，相較于矩形框標(biāo)注更加費(fèi)時(shí)費(fèi)力，如果遇到大量待標(biāo)注目標(biāo)，則極大地影響工作效率。

“啟明935A”系列芯片已經(jīng)成功點(diǎn)亮，并完成各項(xiàng)功能性測(cè)試，達(dá)到車規(guī)級(jí)量產(chǎn)標(biāo)準(zhǔn)。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(dòng)駕駛芯片，但并非單一芯片，而是一個(gè)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(jí)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。FPV無人機(jī)檢測(cè)識(shí)別的模塊。

多目標(biāo)跟蹤是指在連續(xù)的圖像中，通過目標(biāo)檢測(cè)算法識(shí)別出每一幀中的目標(biāo)，并在時(shí)間上跟蹤它們的位置和狀態(tài)。但目標(biāo)會(huì)不斷發(fā)生尺度、形變、遮擋等變化，而且還會(huì)有目標(biāo)出現(xiàn)和消失的情況，再加上視頻采集端的相機(jī)所處環(huán)境可能受到外界影響導(dǎo)致抖動(dòng)的情況（例如無人機(jī)高空檢測(cè)），就會(huì)給多目標(biāo)跟蹤造成一定的困難。由于我們不能控制目標(biāo)，所以只能從視頻采集端維護(hù)跟蹤的穩(wěn)定性。因此，成都慧視針對(duì)于多目標(biāo)檢測(cè)跟蹤抖動(dòng)丟失的優(yōu)化方法是：1.改進(jìn)目標(biāo)檢測(cè),使用更加魯棒的目標(biāo)檢測(cè)算法。2.增強(qiáng)特征描述，利用深度學(xué)習(xí)提取更高級(jí)別的語義特征，這些特征對(duì)于小范圍內(nèi)的視角變化具有更好的不變性3.改進(jìn)運(yùn)動(dòng)模型，在算法中加入對(duì)攝像頭運(yùn)動(dòng)的估計(jì)，通過補(bǔ)償攝像頭運(yùn)動(dòng)來減小目標(biāo)真實(shí)運(yùn)動(dòng)與預(yù)測(cè)之間的差距。4.數(shù)據(jù)關(guān)聯(lián)策略，設(shè)計(jì)更靈活的數(shù)據(jù)關(guān)聯(lián)算法，允許更大的距離閾值來匹配候選目標(biāo)?；垡曢_發(fā)的RK3588能夠提供6T算力用于檢測(cè)。廣西可靠目標(biāo)檢測(cè)

目標(biāo)檢測(cè)的精度依賴于算法性能的提升。視頻目標(biāo)檢測(cè)技術(shù)

長(zhǎng)時(shí)間一直進(jìn)行這樣的圖像標(biāo)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(jìn)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(dāng)項(xiàng)目緊急時(shí)，甚至需要多人加班加點(diǎn)趕進(jìn)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(gè)深度學(xué)習(xí)算法開發(fā)平臺(tái)SpeedDP。它的基本邏輯是基于一個(gè)手動(dòng)標(biāo)注一定量的數(shù)據(jù)集進(jìn)行訓(xùn)練，形成一個(gè)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(píng)估此模型的能力，如果能夠滿足使用就可以對(duì)相同目標(biāo)的新數(shù)據(jù)集（未進(jìn)行任何標(biāo)注）進(jìn)行AI自動(dòng)化標(biāo)注。這一過程的省去了大量需要對(duì)新數(shù)據(jù)集的手動(dòng)拉框工作，同時(shí)也在不斷反哺此模型算法，幫助提升性能。視頻目標(biāo)檢測(cè)技術(shù)