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。RK3588作為工業級圖像處理板能夠進行大量的目標識別信息處理。信息化目標跟蹤產品

我國西部地區地形復雜、天氣多變，許多電網架設在高山流水之間，給電網的巡檢維護造成了不小的困難。于是，不同于傳統人工巡檢的智能化巡檢維護開始逐步應用。這種方式采用無人機加智能化機器人，其中無人機承擔巡檢工作，而智能化機器人進行維護，兩者互相配合。無人機搭載智能化吊艙，吊艙內置圖像識別傳感器，工程師可以通過遠程識別、抵近觀察等方式，找出問題所在。無人機機動性靈活性十足，能夠便捷去到許多人工難以到達的區域，巡檢無死角。無人機巡檢一次能夠抵得上三個人工同時作業，效率成倍提升。陜西人防目標跟蹤AI圖像處理板能實現24小時、無間隙信息化監控。

設想這樣一個場景：孫悟空在飛行過程中完成了一次變化（這里假設他變成了一只鳥），但這個變化并不是像西游記拍攝中有煙霧效果完成的，而就是通過身體結構發生漸變來完成的，這種情況下，檢測器應該會在后續的檢測任務中失敗，因為設計好的檢測器只是為了檢測目標孫悟空的存在，孫悟空變身之后已經不存在這個目標，檢測器是不會有火眼金睛繼續檢測到變化后的孫悟空的。但是，對于跟蹤設備就不一樣了，跟蹤目標，哪怕目標在跟蹤過程中發生了巨大變化，這些都是跟蹤設備的本質能力。理想的跟蹤設備應該可以很好的跟上孫悟空漸變的整個過程，并且可以繼續后面變身之后對鳥的跟蹤。

在很長一段時間內，傳統的糧庫害蟲檢查方法是依靠人工巡檢，用肉眼觀察，逐倉篩查的方法，這種方法覆蓋面不足且效率低下，篩查一次將耗費工作人員的大量時間精力。隨著技術的發展，AI化的篩查逐步采用，通過算法的AI識別實現自動化篩查。方法基于高像素高清攝像機，實時遠程監控糧庫，一旦發現害蟲就能夠立即向管理平臺發出告警，有效降低巡檢成本和壓力，提升工作效率。這之中，實現AI識別處理的傳感器同樣重要，面對復雜的糧庫環境，一個高性能能夠快速處理數據的圖像處理板是關鍵。RK3399圖像處理板識別概率超過85%。

用檢測器模型去解決跟蹤問題，遇到的比較大問題是訓練數據不足。普通的檢測任務中，因為檢測物體的類別是已知的，可以收集大量數據來訓練。例如 VOC、COCO 等檢測數據集，都有著上萬張圖片用于訓練。而如果我們將跟蹤視為一個特殊的檢測任務，檢測物體的類別是由用戶在首先幀的時候所指定的。這意味著能夠用來訓練的數據只是只是只有少數幾張圖片。這給檢測器帶來了很大的障礙。而慧視光電定制的目標跟蹤算法可以有效的解決這個問題，通過AI自動圖像標注平臺SpeedDP的大量模型部署訓練，能夠有效解決數據訓練不足的問題。慧視RK3399PRO圖像處理板能實現24小時、無間隙信息化監控。陜西人防目標跟蹤

RK3399PRO圖像處理板識別概率超過85%。信息化目標跟蹤產品

如今，無人機在我們生活中的應用越來越廣。例如無人機巡檢安防領域，無人機能夠到達人無法觸及的一些角度，能夠很大程度上擴大安防檢查的覆蓋面。在工地、電力、化工等行業，晚上巡檢是必不可少的環節，并且晚上巡檢還能發現白天無法看到的一些問題，在白天，一般的相機效果很好，能夠看到非常清晰的監控畫面，但是到了晚上，就心有余而力不足。這是因為以前大多數相機都是可見光相機，在晚上光源不佳時，就會出現成像模糊、漆黑。這種解決辦法是采用紅外熱像儀傳感器，即使在漆黑的夜晚，通過紅外成像也能展現出清晰的畫面。信息化目標跟蹤產品