自主可控图像标注产品

SpeedDP作为一个低门槛的深度学习算法开发平台，能够为使用者提供从数据标注、模型训练、测试验证到RockChip嵌入式硬件平台模型部署的可视化AI开发功能。目前，SpeedDP提供网页端和移动端两种选择，网页端可以在局域网使用，而移动端能够快速直观的验证所开发的不同算法在移动端部署时的实际效果，使用起来更加便捷。SpeedDP也是一个运行在移动设备上的视觉算法测试工具集，支持的主要任务功能包括图像分类、目标检测、多目标跟踪，主要的部署平台是RockChip嵌入式硬件平台包括RK3399pro、RK3588等。软件可运行于Windows或Linux操作系统，来帮助使用者完成自动标注、AI算法（目前支持目标检测）开发（项目配置、训练、评估、测试）、模型部署等相关功能，在充分保证数据安全的基础上，能够有效减少人力、物力消耗，节省项目开发时间。遇到的项目不常见，算法开发怎么办？自主可控图像标注产品

成都慧视开发的各款式的AI图像处理板，就是助力低空经济发展的传感器技术设备之一。AI图像处理板具备智能图像检测识别以及跟踪的能力，在低空经济领域，能够让无人机实现智慧化赋能。成都慧视开发的RK3588系列图像处理板Viztra-HE030，具备6.0TOPS算力，是当下国产图像处理板的性能前列的产品，对于一些复杂应用场景下的识别，RK3588是当仁不让。我司可以根据需求，定制CVBS、SDI、LVDS、DVP、CmaeraLink等接口，实现快速适配应用。而RV1126系列图像处理板Viztra-LE026，整体呈小型化设计，尺寸小，整体功耗不大于4W，用在无人机领域，一不会过多占用空间，二不会增加无人机的功耗负担，2.0TOPS的算力，也能满足大多数应用场景的需求。河北自主可控图像标注应用SmartDP 侧重于模板驱动的快速模型生成，无需训练数据即可快速生成可用模型。

低空经济成为当下火热的行业之一，各行各业都想利用无人机为自己服务，但是却面临一个问题，专业人才严重不足。有关数据显示，我国无人机经营性企业已超过1.7万家，全国实名登记的无人机已超过200万架。而无人机人才的缺口却多达100万，这就给低空经济的快速发展按下了慢速键。各大高校陆续建设无人机专业，但是四年的教学路怎么也得一步一个脚印，为了应对市场需求，只能从高效率的教学方法着手，让学生更多的结合实际操作进行学习，能够让学生在毕业之后更快的适应工作需求，进而提升稳定就业的概率。

我国西部地区地形复杂、天气多变，许多电网架设在高山流水之间，给电网的巡检维护造成了不小的困难。于是，不同于传统人工巡检的智能化巡检维护开始逐步应用。这种方式采用无人机加智能化机器人，其中无人机承担巡检工作，而智能化机器人进行维护，两者互相配合。无人机搭载智能化吊舱，吊舱内置图像识别传感器，工程师可以通过远程识别、抵近观察等方式，找出问题所在。无人机机动性灵活性十足，能够便捷去到许多人工难以到达的区域，巡检无死角。无人机巡检一次能够抵得上三个人工同时作业，效率成倍提升。SmartDP是单模型优化架构。

“启明935A”系列芯片已经成功点亮，并完成各项功能性测试，达到车规级量产标准。启明935A是行业首颗基于Chiplet(芯粒/小芯片)异构集成范式的自动驾驶芯片，但并非单一芯片，而是一个家族系列。启明935HUBChiplet可以和不同数量的大熊星座AIChiplet互相搭配，再结合灵活的封装方式，快速形成不同性能等级的SoC芯片。它还支持高带宽的PBLink多芯互连，双芯双向带宽128GB/s，四芯双向带宽64GB/s。启明935A每颗芯片都支持比较大20路的1080p60摄像头输入，可应用于各类端侧AI部署。得益于大熊星座NPU天然支持Transformer结构，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。无人机用的识别算法。江苏自主可控图像标注功能

SpeedDP支持对已训练模型进行标准化评估，包括精度、召回率、推理速度等关键指标。自主可控图像标注产品

YOLO系列算法是目标识别领域很重要的技术之一，因为性能强大、消耗算力较少，一直以来都是实时目标检测领域的主要范式。该框架被大量用于各种实际应用，包括自动驾驶、监控和物流等行业的目标识别。自今年2月YOLOv9发布以后，近期，清华又推出了YOLOv10，作为计算机视觉领域的突破性框架，具备实时的端到端目标检测能力，通过提供结合效率和准确性的强大解决方案，延续了YOLO系列的传统。据悉，YOLOv10在各种模型规模上都实现了SOTA性能和效率。例如，YOLOv10-S在COCO上的类似AP下比RT-DETR-R18快1.8倍，同时参数数量和FLOP大幅减少。与YOLOv9-C相比，在性能相同的情况下，YOLOv10-B的延迟减少了46%，参数减少了25%。自主可控图像标注产品