工具,算法驅動嵌入式視覺快速發展


近年來,嵌入式視覺在市場廣泛的應用,並取得了前所未有的增長,那麼推動嵌入式視覺的激增有哪些因素呢?

適用於各種實際應用程序

以前計算機視覺應用程序依賴於為每個特定應用程序和用例精心設計的高度專業化算法。這意味著計算機視覺設計很難,這大大減緩了基於視覺的應用程序的採用。此外,這使得新應用程序非常昂貴且耗時。現在基於基於計算機視覺的算法,系統和應用程序大規模的在部署,使嵌入式視覺方案變的更容易。深度學習是這一趨勢的驅動因素之一。由於深度學習算法的普遍性,開發專門算法的需求較少。相反,開發人員的重點可以轉移到在可用算法中進行選擇,然後獲得必要數量的訓練數據。

深度神經網絡(DNN)已經改變了計算機視覺,在諸如識別對象,定位幀內的對象以及確定哪些像素屬於哪個對象等任務上提供了優異的結果。即使以前用傳統技術解決的問題現在也在使用深度學習技術找到更好的解決方案。

工具,算法驅動嵌入式視覺快速發展

可以低成本和低功耗部署

簡化計算機視覺開發和部署的另一個關鍵因素是雲計算的興起和更好的開發工具。例如,現在工程師可以即時訪問雲中的預配置開發環境,而不是花費數天或數週來安裝和配置開發工具。同樣,當需要大量計算能力來訓練或驗證神經網絡算法時,可以在雲中快速且經濟地獲得該計算能力。

雲計算為許多基於視覺的系統的初始部署提供了一條簡單的途徑,即使在最終開發人員轉向基於邊緣的計算以降低成本的情況下也是如此。


分享到:


相關文章: