人工智能、機器學習、深度學習——并不像您想象的那么復雜(編輯修改稿)
2024-08-31 13:36 本頁面
【文章內(nèi)容簡介】 化的狀況。HERE公司正致力于將支持深度學習的地圖系統(tǒng)部署到無人駕駛汽車中。此技術(shù)將生成持續(xù)更新的地圖，分辨率介于 1020 厘米。通過深度學習，HERE 的地圖將包括固定物體（如標牌）和臨時行駛隱患（如施工工程）的精確位置。價格更低、準備時間更短通過提供分散的現(xiàn)成相機和嵌入式平臺，交通系統(tǒng)設(shè)計人員可以靈活地調(diào)整系統(tǒng)來適應他們的項目。單獨的相機和處理硬件使每個組件的升級路徑既簡單又不受約束。與專用智能相機相比，此生態(tài)系統(tǒng)的價格更低，準備時間更短。如何實現(xiàn)系統(tǒng)訓練數(shù)據(jù)采集設(shè)計人員必須先訓練深度學習模型，然后才能進行部署。若要實現(xiàn)精確結(jié)果，需要高質(zhì)量的訓練數(shù)據(jù)。高性能相機向根據(jù)視覺輸入做出決策的系統(tǒng)提供盡可能好的訓練圖像。相機范圍內(nèi)的圖像處理可簡化訓練之前所需的數(shù)據(jù)標準化。對自動算法的精確控制、銳化、像素格式轉(zhuǎn)換、鏡頭遮光更正以及 FLIR 的高級預置顏色轉(zhuǎn)換和色彩校正矩陣等相機功能可優(yōu)化圖像。FLIR 在制造期間嚴格控制質(zhì)量，最大限度地降低相機性能影響，從而減少訓練前進行標準化的需求。對于捕獲移動車輛圖像的應用，全局快門傳感器可同時讀取所有像素，以防物體在讀出過程中因移動而導致的失真。FLIR 的許多機器視覺相機都使用Sony Pregius 全局快門 CMOS 傳感器。憑借 72dB 的動態(tài)范圍和小于 3e 的讀取噪聲，它們可以同時捕獲明亮區(qū)域和陰影區(qū)域的細節(jié)，并提供出色的低光拍照性能。低
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1