深度学习将从根本上改变机器视觉的格局。它正在促进新的应用，并扰乱长期存在的市场。FLIR的产品经理可以访问不同行业的公司;他们报告说，他们最近访问的每家公司都在开发深度学习系统。
启动这个项目从来没有这么容易过，但是从哪里开始呢?在考虑构建一个深度学习推理系统时，本文采用了一个简单的框架，成本低于600美元。
什么是深度学习推理?
推理使用deep-learning-trained神经网络对最新数据进行预测。与传统的基于规则的图像分析相比，推理在回答复杂和主观的问题时表现得更好。
通过对网络的优化，使其运行在低功耗的硬件上，可以在数据源附近的“边缘”进行推理。这消除了系统对中央服务器进行图像分析的依赖，从而降低了延迟，提高了可靠性，并增强了安全性。
1.选择硬件
本指南的目的是建立一个可靠的、高质量的系统，用于现场部署。虽然本指南的范围有限，但将传统计算机视觉技术与深度学习推理相结合，可以利用每种方法提供的优势，提供较高的准确性和计算效率。
Aaeon UP squared -赛扬- 4gb - 32gb单板机配备了这种方法所需的内存和CPU能力。它的X64英特尔CPU运行与传统台式电脑相同的软件，与基于arm的单板机(sbc)相比，简化了开发。
促进深度学习推理的代码利用了分支逻辑;专用硬件可以极大地加速这段代码的实现。
英特尔®Movidius™Myriad™2视觉处理单元(VPU)是一个非常强大和高效的推理加速器，它已被集成到我们的FLIR最新的推理相机萤火虫DL．
来源:FLIR系统
2.软件需求
有许多免费工具可用于构建、训练和部署深度学习推理模型。这个项目使用了大量的免费和开源软件。
每个软件包在各自的网站上提供免费安装说明。本指南假设您熟悉Linux控制台的基础知识。
收集培训
数据 |
列车网络的
(增加可选的) |
评估
性能 |
转换为Movidius
图的格式 |
部署到
萤火虫DL相机 |
上运行推理
捕获的图像 |
图1所示。深度学习推理工作流及每一步的相关工具。图片来源:FLIR系统
3.详细的指导
”Linux上的Firefly深度学习入门介绍了如何重新训练神经网络，并将随后生成的文件转换成与萤火虫兼容的格式，以及如何利用SpinView显示结果。给出了如何使用终端训练和转换推理网络本身的逐步过程。
相关文章欧洲杯猜球平台
萤火虫深度学习支持的神经网络演示了哪些神经网络已经在Firefly-DL上进行了测试。
关于为深度学习神经网络创建训练数据的提示介绍了如何通过为特定应用生成高质量的训练数据来生成有效的深度学习神经网络。
解决神经网络图转换问题提供了一些有用的提示，帮助您解决在将推理网络文件转换为Firefly兼容格式时可能出现的问题。
这些信息已经从FLIR系统提供的材料中获得、审查和改编。欧洲杯足球竞彩
有关此来源的更多信息，请访问FLIR系统。