标签:Yolo

在超分辨率目标探测和识别问题和挑战
通过杰里米·罗伯森2023年5月- 04 -评论:0

如果你想要高性能人工智能推理,如超分辨率目标探测和识别,在SoC的挑战是要找到一个解决方案,可以满足您的需求和约束。你需要推理的IP,可以运行模型精度高。你需要推理的IP,可以运行模型的帧速率:高帧率=低延迟,更多的时间为12月…»阅读更多

识别PCB缺陷深度学习单步检测模型
通过技术论文链接——7月22日,2022 -评论:0

这种新技术论文题为“端到端深度学习印刷电路板制造缺陷分类框架”是高等技术研究人员师范学院(ETS)在蒙特利尔,魁北克。抽象”我们报告一个完整的深度学习框架使用一个单步对象检测模型,以快速、准确地检测和分类的类型manufacturi……»阅读更多

嵌入式GPU平台上的热成像评价车辆辅助系统的应用程序
通过技术论文链接2022年1月- 10 -评论:0

抽象的“这项研究的重点在于评估热对象的实时性能检测的智能和安全的车辆系统在GPU上部署培训网络和单片机EDGE-GPU车载汽车传感器套件测试的计算平台。小说组成的大规模数据集热> 35000不同的帧被收购,加工,开源challengin……»阅读更多

毫升模型实现市场吗?
通过布来安梅奥2021年12月- 02 -评论:0

开发人员花费越来越多的时间和精力在创造机器学习(ML)模型用于各种各样的应用程序。虽然这将继续随着市场的成熟,在某种程度上这些努力可能被视为重塑模型。开发人员成功的模型会有一个市场,他们可以出售这些模型作为IP其他d…»阅读更多

11减少人工智能能量消耗的方法
通过布来安梅奥2021年5月- 13 -评论:1

随着机器学习行业的发展,重点已从过去仅仅解决问题更好地解决这个问题。“更好”常常意味着精度和速度,但随着数据中心能源预算爆炸和机器学习转移到边缘,取而代之的是能源消耗与精度和速度是一个关键问题。有很多方法神经……»阅读更多

Edge-Inference架构增殖
通过布来安梅奥- 04年2月,2021 -评论:0

第一部分两部分组成。第二部分将深入基本建筑特点。去年有大量的宣布新的边缘推理机器学习(ML)架构。卸下了需要支持培训,但负责低延迟,设备表现出极其多样毫升推理方法。“建筑是改变在comp……»阅读更多

推测在边缘
通过埃德·斯珀林- 7月31日,2019 -评论:0

企业战略联盟主管大卫•弗里茨导师,西门子业务,显示了如何应用YOLO(你只看一次)意思边缘,允许汽车公司从GPU转移到一个更高效的处理器。可以推断法更接近传感器,因此神经网络可以根据数据产生的类型。从那里可以抽象数据和…»阅读更多

建立一个有效的推论引擎汽车
通过埃德·斯珀林- 05年6月,2019 -评论:0

企业战略联盟负责人大卫•弗里茨导师,西门子业务,讨论如何加速推论通过传感器和快速分类的输入输出,但也与低权力这样做。»阅读更多

推测在边缘
通过埃德·斯珀林- 04年6月,2019 -评论:0

的CEO杰夫•泰特Flex Logix,谈到权力和性能优势的挑战,为什么这个市场非常重要,从业务和技术的角度来看,和哪些因素需要平衡。»阅读更多

基准的边缘
通过埃德·斯珀林- 07年2月,2019 -评论:0

的CEO杰夫•泰特Flex Logix,谈到基准在边缘设备,特别是对卷积神经网络。https://youtu.be/-beVEpKAM4M»阅读更多

  • 赞助商

关于

导航

与我们联系

版权©2013 - 2023 SMG |服务条款|隐私政策
Baidu