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。RK3399PRO圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標跟蹤及跟蹤算法。四川目標跟蹤互惠互利

YOLO算法具有以下幾個明顯的優勢：快速高效：YOLO算法采用單次前向傳播的方式進行目標檢測和跟蹤，相比傳統方法的多次掃描圖像，速度更快，適用于實時應用。準確性較高：通過引入先進的卷積神經網絡和相關技術，YOLO算法在目標定位和類別預測方面具有較高的準確性。多尺度處理：YOLO算法通過特征金字塔網絡和多尺度預測技術，可以處理不同大小的目標，并保持對小目標的有效檢測。端到端訓練：YOLO算法可以進行端到端的訓練，避免了多階段處理的復雜性，簡化了算法的實現和使用。移動目標跟蹤設備RK3399處理板如何實現目標的識別及跟蹤？

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。

人工智能起源于上個世紀五十年代，被譽為新時代工業發展的引擎。隨著技術的發展，為了使得計算機可以擁有像人眼一樣感知、分析、處理現實世界的能力，六十年代初，人工智能衍生出了一個重要的分支，計算機視覺。在計算機視覺的研究過程中，學者們為了闡述“根據目標在視頻中的某一幀狀態來估計其在后續幀中的狀態”，一個新的學科——目標跟蹤應運而生。目標跟蹤是計算機視覺和機器人研發領域的重要分支，在人機交互、安全監控、自動駕駛、城市交通、軍領域、醫療診斷等領域都發揮了重要的作用，其主要功能就是在視頻圖像中遍歷感興趣的區域，并在接下來的視頻幀中對其進行跟蹤RV1126圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標跟蹤及跟蹤算法。

騰訊開發的機器人小五，采用輪、腿、足復合設計，使得它具備越障能力的同時，也保持了輪式機器人的運行效率。每條腿都可以單獨伸長縮短，能有效提升承載能力。裝上了雙編碼器大扭矩密度的執行器后，就能承受住一般成年人的重量。將機器人用于養老服務領域，能夠幫老人取快遞，抱老人起床，帶老人進行活動。機器人內置RGBD相機，在圖像處理板的賦能下，能夠實時檢測周邊環境，進行路線規劃和避障，以高效完成各項工作指令。同時能夠對物體進行AI識別，判斷老人位置、行為動作，為老人的行動做出幫助。RK3588圖像處理板識別概率超過85%。企業目標跟蹤產品

工程師以RK3588核心板為基礎進行定制開發，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。四川目標跟蹤互惠互利

作為社區的基本單元，小區是智慧城市建設的重要一環，而在安防領域，小區更是守護家庭的門戶，如何更加高效的守護小區安全是社區創新基層治理的探索方向。經過技術的不斷革新，智慧安防逐漸成為這個方向。通過在小區傳統人防、物防、技防的基礎上，應用人工智能、物聯網等當前先進的信息化技術，對居民小區安防系統進行智能化升級，加強對社區人、車、事、物、地、組織“信息進行感知”，打造并集成出入口、智能門禁、信息卡口、移動巡防、視頻監控、報警聯防、信息發布、停車場、訪客、梯控等產品及子系統，也包括智慧物管安防綜合平臺，實現數據的統一匯聚、統一管理。四川目標跟蹤互惠互利