人工智能 信道估计 深度学习_DEMO演示|基于IVP02D 人工智能工作站的深度学习引擎,实现人群热力估计...
近年来,随着深度学习在计算机视觉领域获得广泛应用,算法框架也日渐成熟,例如基于深度神经网络的人群密度分析,通过自动学习能获得更有效的人群特征,相较于传统方法取得了一定的提高。
AI小知识
人群密度分析(MCNN)其原理为密度图回归,密度图回归是根据已知的每个人头位置,再估计该位置所在人头的大小,这样可以得到该人头的覆盖区域,通过一种方法(MCNN中采用几何自适应高斯核),将该区域转化为该区域内可能为人头的概率,该区域概率和为1(或者表示每个像素可能有多少个人),最终我们可以得到一张人群密度图。
热区分析,又称人群密度估计,为密集人群场景提供嵌入式端密集人群计数的一种方法,具有鲁棒性高、性能好的优点。
本次Demo演示,我们将采用MCNN进行人群热力估计算法,向大家展示英码软件开发团队,如何利用英码科技IVP02D人工智能工作站开发2路人群热力估计的算法应用,并列出相关数据供大家了解IVP02D的推理性能。
知乎视频www.zhihu.com
此次人群热力估计DEMO,基于pytorch框架研发,最多可搭载2路IPC视频编解码及算法推理;模型的分析流程如下(详情见图1):
首先,由IPC摄像头采集数据,通过H264数据解码为YUV数据;然后,进入IVP02D把数据做预处理,将图像转为灰度图输入推理单元,该算法支持INT8和FP16两种数据精度的模型推理;最后,图像通过HDMI输出显示热力图及人数的统计,实现人群在时间维度上的密度检测。以人群热力估计效果图举例(详情见图2),当白光越强说明该区域人流密集度越高,反之白光越暗甚至为黑色则表示人流相对稀少或无。整个DEMO模型在IVP02D上处理过程流畅,充分展示了其高算力、强性能、低功耗以及兼容性好等特点。
同时,IVP02D搭载CAMBRICON寒武纪平台的芯片,与市面主流的平台相比,推理精度更高、推理耗时更短。(详情可见 图3)。
客户通过人群热力估计算法,可应用在视频监控、交通监测、公共安全等领域,实时了解监控区域的人群数目,防止由于人群密度过大,导致人群失控发生踩踏等危急情况;除此之外,人群热力估计也适用在商业场景,如商业广场、新零售、景区等,用于分析客户、游客等人群的热度区域检测。
了解更多人群热力估计的应用方案,欢迎点击浏览官网。
人工智能 信道估计 深度学习_DEMO演示|基于IVP02D 人工智能工作站的深度学习引擎,实现人群热力估计...相关推荐
- 【强化学习实战】基于gym和tensorflow的强化学习算法实现
[新智元导读]知乎专栏强化学习大讲堂作者郭宪博士开讲<强化学习从入门到进阶>,我们为您节选了其中的第二节<基于gym和tensorflow的强化学习算法实现>,希望对您有所帮助 ...
- 强化学习:7基于直接策略搜索的强化学习⽅法 之 策略梯度
这是强化学习第三篇基于直接策略搜索的强化学习⽅法下的基于策略梯度.
- 判别性的低秩字典学习代码matlab,基于分类的判别性字典学习的稀疏编码算法研究...
第1章绪论1.1课题研究的背景及意义计算机视觉一直是人类视觉研究中的一项非常热门的领域.计算机视觉研究的目的是为了让计算机能够利用图像和图像序列来识别和感知周围的世界,以帮助人们在复杂的情况下解决未知 ...
- 文献阅读(44)—— 基于眼底照的近视深度学习算法和区块链平台,以促进人工智能医学研究:回顾性多队列研究
基于眼底照的近视深度学习算法和区块链平台,以促进人工智能医学研究:回顾性多队列研究 Retinal photograph-based deep learning algorithms for myop ...
- 【人工智能】深度学习、数据库选择和人工智能的革命;人工智能是解锁IoT潜力的钥匙
深度学习(DL)和人工智能(AI)已经不再是科幻小说中遥不可及的目标,目前已成为了互联网和大数据等领域的前沿研究内容. 由于云计算提供强的计算能力.提出的先进算法以及充裕的资金,这创造了五年前难以想象 ...
- 基于高分辨率的单目深度估计网络(AAAI2021)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨图灵智库 来源丨 泡泡机器人SLAM 标题: HR-Depth:High Resolution ...
- 基于深度强化学习的机器人运动控制研究进展 | 无模型强化学习 | 元学习
1.基于深度强化学习的机器人运动控制研究进展 1.1 深度强化学习 1.1.1 强化学习简介: 强化学习(Reinforcement Learning, RL)利用试错机制与环境进行交互,旨在通过最大 ...
- TensorFlow 2.0深度学习算法实战 第一章 人工智能绪论
第一章 人工智能绪论 1.1 人工智能 1.1.1 人工智能 1.1.2 机器学习 1.1.3 神经网络与深度学习 1.2 神经网络发展简史 1.2.1 浅层神经网络 1.2.2 深度学习 1.3 深 ...
- 面向6G网络自动化的知识驱动可解释人工智能(XAI);基于汽车事件数据的脉冲神经网络目标检测;对称分类方案下波导阵列中的BIC;PreMovNet:基于运动前脑电的抓取和提举手运动学估计
可解释的机器学习 中文标题:面向6G网络自动化的知识驱动可解释人工智能(XAI) 英文标题:Knowledge-powered Explainable Artificial Intelligence ...
最新文章
- Mybatis加入Ehcache支持
- jquery 利用CSS 控制打印样式
- IBM推出跨境支付区块链网络,企业级区块链技术进一步升级
- html5两条直线,Html5新特性用canvas标签画多条直线附效果截图
- CentOS/Ubuntu 14.10 安装 phpstorm
- ES6笔记上(深入浅出ES6—阮一峰)
- Java 将中文文件名称修改为拼音首字母、拼音全称(附GitHub)
- 医疗器械信息系统分析
- win2008 有几个版本?区别是什么?
- Adobe Photoshop CC 使用过程中图层出现部分图像缺失
- 计算机提高游戏运行速度的方法,怎么提高游戏运行速度
- matlab高斯正反算程序6,基于matlab的高斯投影正反算与相邻带坐标换算程序设计...
- 云服务器文件做共享,云服务器文件共享
- 【校招篇】招聘季来临,金三银四你准备好了吗?
- 二、pixhawk光流传感器PX4FLOW
- 低代码行业风涌云起,他们靠什么跻身全球第一阵营?
- (0091)iOS开发itms-services协议安装IPA安装包
- ps aux|grep xxx
- 【seo】网站内链优化
- 科学家首次拍到西伯利亚雪豹活动迹象(图)
热门文章
- C++ 多线程使用future传递异常
- 漫游飞行_手机“飞行模式”为何没被淘汰?内行人坦言:其实是你不会用!
- java简单毕设_计算机毕业设计之自定义毕设课题需要如何确定工作量
- nginx $mail-send()发送邮件报错_基于SMTP协议的E-MAIL电子邮件发送客户端软件C#实现...
- gitlab备份及恢复
- debian 9 安装后的配置,debian 9 开发环境。
- luogu4267 TamingtheHerd (dp)
- 深度学习方法:受限玻尔兹曼机RBM(三)模型求解,Gibbs sampling
- winform错误提示 :窗口类名无效(Window class name is not valid)
- MVP群聊某美国公司的应聘试题(压死九个还是一个)