在深度學習中，解決訓練數據不足常用的一個技巧是“預訓練-微調”（Pretraining-finetune），即大數據集上面預訓練模型，然后在小數據集上去微調權重。但是，在訓練數據極其稀少的時候（只有個位數的訓練圖片），這個技巧是無法奏效的。圖2展示了一個檢測模型預訓練過后，在單張訓練圖片上微調的過程：盡管訓練集上逐漸收斂，但是檢測器仍無法檢測出測試圖片中的物體。這反映出了“預訓練-微調”框架的泛化能力不足。利用SpeedDP經過大量的數據訓練后，機器就能夠精確檢測跟蹤圖像中的物體。成都這邊做跟蹤板卡的企業有沒有？自主可控目標跟蹤解決

近年來，我國多地智慧城市建設取得較好的成效，諸多創新技術和解決方案得到廣泛應用。而在智慧停車方面，許多公共場所也開始逐步落地應用。一車一桿的系統，智能識別進出入車輛，控制車輛進出入，統計車位空缺數，在很大程度上能夠優化公共停車場的交通擁堵等問題，能夠提高安全和通行效率。智慧停車閘道裝有車牌識別的機箱，該機箱集攝像頭、圖像處理板、顯示屏、內存卡等設備于一體，其中圖像處理板內置車牌識別算法，在攝像頭獲取車牌照片后，板卡算法就能進行快速又高精度的信息識別，并上傳數據到后端控制中心，能夠有效控制車輛的合理出入，方面管理者優化管理。海南目標跟蹤好選擇RK2588搭載AI智能算法，實現目標識別與跟蹤。

成都慧視推出的深度學習算法開發平臺SpeedDP，它的主要功能就是幫助進行算法模型的測試驗證，進行快速的針對大量數據的AI自動標注，然后提升自身算法能力。在無人機智能炮彈測試驗證中，通過對原始算法的模型訓練，能夠不斷評估算法的能力，然后對新的打擊數據集目標進行AI自動標注，讓算法在學習中不斷變得聰明。通過SpeedDP的應用，能夠極大減少整個測試驗證所需時間，減少人力成本支出，減少項目開發周期，讓工程師不再為繁瑣的圖像標注浪費時間將更多的精力放在更重要的領域。

視覺跟蹤技術是計算機視覺領域（人工智能分支）的一個重要課題，有著重要的研究意義；且在導彈制導、視頻監控、機器人視覺導航、人機交互、以及醫療診斷等許多方面有著廣泛的應用前景。隨著研究人員不斷地深入研究，視覺目標跟蹤在近十幾年里有了突破性的進展，使得視覺跟蹤算法不只是局限于傳統的機器學習方法，更是結合了近些年人工智能熱潮—深度學習（神經網絡）和相關濾波器等方法，并取得了魯棒（robust）、精確、穩定的結果。慧視RK3588圖像處理板能實現24小時、無間隙信息化監控。

無人機在高速公路巡檢中的作用越來越突出，特別是在十一黃金周這樣的出行高峰，高速公路的安全和暢通至關重要。傳統的巡檢模式受到人力物力以及時空的限制，弊端很大，難以實現精細大面積的監控疏導。無人機靈活機動的特點則能夠很好的彌補時空的局限，而想要進一步減少人力物力的付出，則需要打造智能化的無人機，通過AI賦能，讓無人機更加聰明。打造智能化無人機可以在無人機吊艙的基礎上加裝高性能的AI圖像處理設備，成都慧視開發的Viztra-HE030圖像處理板憑借6.0TOPS的算力，用在十一黃金周這樣的出行高峰期就能夠很好地勝任工作，板卡采用了國產化芯片RK3588，在算法的賦能下，能夠實現高效巡檢。RK3399處理板如何實現目標的識別及跟蹤？福建高性能目標跟蹤

目標跟蹤監控預警系統是防溺水技防手段中應用比較廣的。自主可控目標跟蹤解決

當兩個圖像之間還有旋轉或比例變化時，往往使用基于控制點的方法進行圖像配準。所謂特征點匹配就是在一幀圖像中尋找具有不變性質的結構—特征點，例如，灰度局部極大值、局部邊緣、角等，與另一幀圖像中的同類特征點作匹配，從而求得該兩幀圖像之間的變換關系。從現實的觀點看，在全部特征點中，只有部分能得到正確的匹配，這是因為特征點尋找算法并非完美無缺。特征點匹配方法具有：處理的數據量不斷減少、可能匹配的數目少于互相關方法和受照度、幾何的變化影響較小的優點。根據具體的振動情況，選擇合適的特征點和速度較快的匹配策略是該任務研究的重點。目前的研究工作都致力于圖像間的自動配準，如直接相關匹配，基于圖像分割技術的配準，利用封閉輪廓的形心作為控制點的配準等。自主可控目標跟蹤解決