什么是深度嵌入视觉?

嵌入式视觉系统保证了直接集成到机器或设备中的紧凑机器视觉。计算机平台和较低的功耗允许智能图像处理在不同的应用程序与专用pc。

深度嵌入式视觉系统正被开发用于特定任务。这些系统可以在没有操作系统的情况下工作，所需的电力和编程更少。这允许长时间运行时，只有一个电池供电。这些系统具有处理来自集成图像传感器的原始图像流的先进算法。他们还通过深度学习进行教学。

在设计过程中确定了这些系统的通信选项。在系统设计过程中会产生很高的初始成本，而这些系统只能在之后进行更改，需要花费大量的时间和精力。

卷积神经网络和深度学习

卷积神经网络(CNNs)，或模仿大脑的计算机系统，已经存在很长时间了。但直到最近，处理器才达到了使其实用的速度。神经网络的应用现已被应用到图像分类、检测和识别中。这导致了深度嵌入式视觉的一个关键组成部分。

深度神经网络使深度嵌入视觉成为可能。对象检测不再需要手动编码。深度神经网络让视觉系统从训练示例中学习。深度学习表明神经网络有一个输入层、一个输出层和至少一个隐藏的中间层。

cnn是目前实现深度嵌入视觉所需的深度神经网络的方法。cnn可以被训练来检测多个目标。使用传统算法，必须为每一种新的对象类型设计一个算法。深度学习框架使用大量的图像数据集来训练CNN检测图像中的特定特征。

让深度嵌入式视觉发挥作用

其中一个应用深度嵌入式视觉的应用是在抄表领域。紧凑的模块集成了摄像头，OCR软件和无线电链接。该视觉系统可以安装在机械仪表上，可以实现廉价的自动记录，而不必用电子版本取代仪表。

读数可以按规定的时间间隔转发给主计算机。手工阅读的劳动密集型任务变得不必要了。而且由于功耗低，模块可以运行数年免维护。

随着不断的创新，深度嵌入式视觉系统将被开发用于越来越多的任务，这些任务可以通过深度学习来教授——受益于更低的功耗要求，更长的运行时间，以及在没有操作系统的情况下工作。

请立即登记参加于六月十八日举行的免费AIA网络研讨会^th, 2019:嵌入式视觉更新:更新内容．不要错过!把它写在你的日历上，并保存日期!