湖南深度学习AI智能应用

OLO系列算法目前更新到YOLOv8。Yolo系列算法是典型的onestage算法，同样，在算法设计上也注重目标区域的检测以及特征的分类，这里目标区域的检测采用的是和图像区域分类定位的方式实现的。Yolo系列算法是一种比较成熟的目标检测算法框架，基于这种框架的算法还在不断地迭代中，当然解决的问题也越来越细化，比如候选区精度、比如小尺度检测等。基本上YoloV3及以上版本的算法可以在很多场景下得到现实应用。2023 年 1 月，目标检测经典模型 YOLO 系列再添一个新成员 YOLOv8，这是 Ultralytics 公司继 YOLOv5 之后的又一次重大更新。YOLOv8 一经发布就受到了业界的广关注，成为了这几天业界的流量担当。用SpeedDP进行图像标注可以省下许多人力成本。湖南深度学习AI智能应用

IDEA研究院团队推出了GroundingDINO  1.5，它能够实现端侧实时识别。在图像和文本的语义理解上表现出色，能够快速、准确地根据语言提示检测和识别图像中的目标对象。作为当前性能比较好的开集检测模型，GroundingDINO  1.5Pro可以帮助构建海量的具有物体级别语义信息的多模态数据，从而有效地助力多模态大模型的训练。它可以将长文本描述中的短语与图像中的具体对象或场景精确匹配，以增强AI对视觉内容和文本之间关系的理解。目前，成都慧视利用AI图像处理板和YOLO算法来实现对物体的实时监测，其中，开发的Viztra-HE030图像处理板采用了瑞芯微全新一代高性能芯片RK3588，拥有四大四小八核处理器，算力水平能够达到6.0TOPS，在我司定制多种视频接口后，可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。湖南深度学习AI智能应用人工智能和机器学习在建筑领域的优势之一是能够自动执行某些任务。

无人机主导下的低空经济在物流运输、应急救援、智能巡检、农林植保等领域有着突出应用，而在辅助无人机进行运转的设备中，吊舱很重要。无人机吊舱中集各类传感器于一体，能够在无人机执行任务时，实时识别画面中的物体，帮助操控者进行信息收集，做出判断。而为了让无人机进一步智能化，慧视光电通过在吊舱中植入高性能的图像处理板，来实现AI和无人机的有机结合。这就是慧视VIZ-GT05V三轴双可见光惯性稳定吊舱，它搭载一颗千万级可见光CMOS传感器和一颗星光级可见光CMOS传感器，具备大小两个视场角，能够实时输出1080P的高清可见光视频，可实现夜间微弱光线下的目标观测。

随着相关技术的迅猛发展，城市智慧治安防控模式也在不断革新，主要以无人巡逻车、无人机为主要载体。无人巡逻车主要承担城区巡逻防控、远程喊话、安防宣传、视频巡控等工作任务，这种无人机不需要太大的体积通过搭载AI图像处理板等传感器，通过AI智能算法和图像处理板的共同作用实现智能避障，达到自主巡逻、AI智慧识别的目的。像成都慧视开发的高性能AI图像处理板Viztra-HE030，采用先进架构，8核处理器，算力能够达到6.0TOPS，能够实时检测无人巡逻车视野范围内的物体，辅助进行信息收集、避障等操作。AI可以进行快速的海量图像数据的标注。

桥梁助航标志的正常显示有助于引导船舶正常航行，防止出现撞上大桥等事故的发生。因此需要定期定时对水上标志进行检查，尤其是夜间。由于传统的人工巡检模式存在局限性和检查盲区，巡查范围不够细致、作业效率低下、执法人员存在人身安全隐患等问题，逐渐被逐步淘汰，取而代之的是无人机搭载吊舱后实行远程定期巡检。无人机搭载慧视光电开发的慧视VIZ-YWT201微型双光吊舱集成了可见光摄像机、红外热像仪等传感器，能够实现昼夜成像，内置成都慧视自研全国产化RV1126图像跟踪板，搭载自研AI跟踪算法，重量280g，能够对桥梁上助航标志进行位置、颜色、结构的昼夜观察识别，辅助上报目标的图像及坐标信息。人工智能和机器学习技术，还可以帮助提高建筑工地的安全性并降低风险。湖南深度学习AI智能应用

人工智能和机器学习为建筑行业转型提供了巨大潜力。湖南深度学习AI智能应用

虽然现在各种公共交通已十分便捷，但是仍然存在许多无证、无资质的车辆，这些车辆无视交通法规，所以超速超载，俨然成为公路安全一大隐患。例如在车站出入口，经常会有很多人进行拉客，虽然说是坐满就走，但是为了利益比较大化，超员那是常有的事。再比如暑期来临，各种培训班、托儿所成批出现，也由此滋生了许多“黑校车”，为了尽可能的节约成本，常常让所有学生挤在一辆车内，严重危及孩子安全。要想避免事故的发生，则需要警民合作，路人积极提供线索，而管理部分则迅速行动，对车辆进行追踪拦截。湖南深度学习AI智能应用