Firefly DL小巧輕便，嵌入式深度學(xué)習加速部署

近年來(lái)，機器視覺(jué)系統越來(lái)越多地基于可變條件進(jìn)行自動(dòng)化決策。開(kāi)發(fā)這些系統所需的時(shí)間和精力可能會(huì )讓人望而卻步。而深度學(xué)習的出現正在改變這一局面，并使自動(dòng)化決策觸手可及。開(kāi)源庫、Nvidia硬件和FLIR相機等資源正在幫助實(shí)現這一變化。

走進(jìn)深度學(xué)習

“一張圖片勝過(guò)千言萬(wàn)語(yǔ)”這句話(huà)在機器視覺(jué)領(lǐng)域里從未像今天這樣真實(shí)。機器視覺(jué)可以將數千甚至數百萬(wàn)行代碼用簡(jiǎn)單地經(jīng)過(guò)圖片和少量編碼訓練后的的神經(jīng)網(wǎng)絡(luò )所代替。

深度學(xué)習是一種機器學(xué)習形式，它使用在輸入和輸出節點(diǎn)之間有許多“深層”層的神經(jīng)網(wǎng)絡(luò )。通過(guò)在大數據集上訓練網(wǎng)絡(luò )，可以創(chuàng )建一個(gè)模型，用于根據輸入數據進(jìn)行準確預測。在用于深度學(xué)習的神經(jīng)網(wǎng)絡(luò )中，每一層的輸出都被反饋到下一層的輸入。通過(guò)改變層之間連接的權重來(lái)迭代優(yōu)化模型。在每個(gè)周期中，對模型預測準確性的反饋用于指導連接權重的變化。

深度學(xué)習有多個(gè)不同權重的神經(jīng)元“層”幫助神經(jīng)網(wǎng)絡(luò )做出決策。深度學(xué)習可以分為訓練和推斷兩個(gè)階段。

在訓練階段，通過(guò)確定神經(jīng)元和神經(jīng)網(wǎng)絡(luò )層的數量，并使之接觸已被標簽化的訓練數據。有了這些數據，神經(jīng)網(wǎng)絡(luò )就可以自己學(xué)習什么是“好”或“壞”。例如，進(jìn)行水果分級時(shí) ，先向神經(jīng)網(wǎng)絡(luò )展示標有“A級”、“B級”、“C級”等標簽的水果圖像，然后神經(jīng)網(wǎng)絡(luò )計算出每個(gè)等級的特性；比如大小、形狀、顏色、顏色的一致性等等。我們不需要手動(dòng)定義這些特征，甚至不需要大小程度進(jìn)行編程，神經(jīng)網(wǎng)絡(luò )將會(huì )自行訓練。訓練階段完成后，便獲得經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )。

使用某一神經(jīng)網(wǎng)絡(luò )對新圖像進(jìn)行評估以做出決策的過(guò)程稱(chēng)為推斷。當向訓練過(guò)的神經(jīng)網(wǎng)絡(luò )呈現一個(gè)新的圖像時(shí)，它會(huì )提供一個(gè)推斷（即答案）：例如“A級，可信度為95%?！?/p>

Firefly DL

深度學(xué)習是系統設計者快速自動(dòng)化復雜和主觀(guān)決策、提供更高質(zhì)量產(chǎn)品和提高生產(chǎn)力的強大工具。部署深度學(xué)習神經(jīng)網(wǎng)絡(luò )的一項值得關(guān)注的優(yōu)勢在于它允許通過(guò)少量硬件和處理功率在邊緣作出復雜決定——低成本 ARM 或 FPGA 基礎系統和全新推斷工業(yè)相機，如 FLIR Firefly DL 可以做到。

使用Neuro技術(shù)將經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )部署到FLIR的Firefly DL上，并通過(guò)在沒(méi)有主機的情況下在相機上做出決策來(lái)降低系統成本和復雜性。Firefly DL相機體積小、重量輕、功耗低，是嵌入移動(dòng)、桌面和手持系統的理想選擇。

主要特征

深度學(xué)習加快部署&新的可能性：通過(guò)深度學(xué)習快速開(kāi)發(fā)和部署具有挑戰性的自動(dòng)化問(wèn)題的準確解決方案。相機上的深度學(xué)習推理：通過(guò)將經(jīng)過(guò)培訓的網(wǎng)絡(luò )部署到Firefly DL相機，減少系統成本和復雜性，從而無(wú)需使用主機系統執行分類(lèi)任務(wù)。非常適合嵌入緊湊型便攜式設備：27mm×27mm×14mm的小包裝，僅2W功耗和20g重量。

光譜范圍

目前，Firefly DL系列工業(yè)相機根據鏡頭接口劃分6個(gè)型號，FFY-U3-16S2-DL的感光光譜有彩色和黑白。

應用領(lǐng)域

邊緣推理；攝像頭質(zhì)量檢查；目標檢測和跟蹤；無(wú)人機與機器人防撞。