經過算法的不斷升級驗證，Viztra-LE026圖像處理板能夠以30Hz的幀率跟蹤像素為2*2的目標，能夠識別**小像素為12*12的目標，整個延遲不高于100ms，識別精度能夠大于85%。無人機作業，續航是使用者首要考慮的。Viztra-LE026的設計正是考慮了這項因素，首先重量上就不會給無人機增加過多負擔，尺寸方面也無需過多空間，低于4W的功耗對于整個無人機的續航影響也是微乎其微。綜合這些特點，可見Viztra-LE026圖像處理板和無人機的完美契合，將是各領域打造智能無人機的得力助手。可見光AI識別模塊定制。安徽省時省力目標識別遠程控制

瑞芯微推出的RK3588系列圖像處理板作為國產化板卡的性能前列，成為了各領域研究開發的優先，它能在諸多行業實現目標檢測、識別以及跟蹤等功能，具有重要的研究開發價值。特別是對于高校而言，將RK3588作為課題進行研究開發，是一個不錯的選擇。但是在這些功能實現過程中，算法的能力就十分重要，如何讓算法更加精細的識別檢測例如人、車、船等目標成為首要解決的問題。要想讓AI算法更能精確的識別檢測目標，可以利用AI的深度學習能力，讓AI不斷學習這些目標的特征，從而達到精細識別的能力。這個過程，可以通過大量的數據標注，來訓練AI。但大量待標注工作，常常讓開發者頭疼。如果采用傳統方式用人工挨個挨幀標注，將會耗費大量時間精力，讓成本不可控。國產化目標識別自主可控慧視光電能夠根據需求定制AI目標識別模塊。

長時間一直進行這樣的圖像標注工作，那無疑是枯燥而乏味的，手酸不說，更多的是精神上的折磨，進而效率大打折扣。但這又是算法提升的必要途徑，無法跳過，當項目緊急時，甚至需要多人加班加點趕進度。這樣的痛苦現狀急需改變！慧視光電的算法工程師為了提高這一的效率，開發了一個深度學習算法開發平臺SpeedDP。它的基本邏輯是基于一個手動標注一定量的數據集進行訓練，形成一個可用的預選模型（如果已有模型可以直接使用），然后訓練一定階段后，可以評估此模型的能力，如果能夠滿足使用就可以對相同目標的新數據集（未進行任何標注）進行AI自動化標注。這一過程的省去了大量需要對新數據集的手動拉框工作，同時也在不斷反哺此模型算法，幫助提升性能。

多邊形標注能夠能夠幫助我們標注一些規則復雜的物體，如動物、人、車、建筑物等，與矩形標注框等方法相比，多邊形標注更能精確展示被標注物體的形狀、大小以及實時形態，通過大量的多邊形標注工作，能夠更好的幫助我們提高算法模型的準確性和魯棒性。傳統的多邊形標注方法中，標注者需要在物體的邊緣上依次單擊鼠標或使用繪圖工具，將點連接起來形成一個封閉的多邊形。標注的難度取決于被標注物體的復雜程度，相較于矩形框標注更加費時費力，如果遇到大量待標注目標，則極大地影響工作效率。如何提升無人機的AI識別精度？

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。圖像處理板的識別接口有哪些？黑龍江移動目標識別情況

慧視光電能夠深度定制RK339pro系列的目標識別模塊。安徽省時省力目標識別遠程控制

“啟明935A”系列芯片已經成功點亮，并完成各項功能性測試，達到車規級量產標準。啟明935A是行業首顆基于Chiplet(芯粒/小芯片)異構集成范式的自動駕駛芯片，但并非單一芯片，而是一個家族系列。啟明935HUBChiplet可以和不同數量的大熊星座AIChiplet互相搭配，再結合靈活的封裝方式，快速形成不同性能等級的SoC芯片。它還支持高帶寬的PBLink多芯互連，雙芯雙向帶寬128GB/s，四芯雙向帶寬64GB/s。啟明935A每顆芯片都支持比較大20路的1080p60攝像頭輸入，可應用于各類端側AI部署。得益于大熊星座NPU天然支持Transformer結構，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。安徽省時省力目標識別遠程控制