FLIR Neuro Technology: Automate Complex Decisions Faster with Deep Learning
开发人员可以利用深度学习方法快速完成复杂且主观决策的自动化。这将有助于加快系统开发、提高交付产品质量并增强生产力的能力。
深度学习系统一般需要单独的摄像头和计算机系统。捕获以用于分析的图像通常需要发送到主机或云系统，神经网络在其中进行由推断推动的决策。但这种方式不是很理想，因为依赖远程或基于云的处理会增加延迟，引发可靠性和安全性风险。
FLIR Neuro 技术允许您直接向摄像头部署受训后的神经网络，避免上述风险并简化系统基础架构。该方式实现相机内建的决策，而且多数情况下不需要主机 PC，从而缩减了成本和复杂性。相机上进行的由推断推动的决策，也称为“边缘”决策，避免了系统延迟和潜在安全风险。使用 FLIR Firefly DL 摄像头时，图像捕获和推断决策均在 27 mm x 27 mm x 14.5 mm 的空间内完成。
可靠性出众的开放平台
- 为获得优越的灵活性，Neuro 支持常用的开源框架，包括 TensorFlow 和 Caffe。
- 为实现轻松部署，FLIR 的 NeuroUtility 转化工具可供新手和老练的深度学习开放人员使用，此工具有助于将分类、检测和定位网络部署到受 Neuro 支持的摄像头上——快速而简便。
关键的深度学习功能
Neuro 是实现物体分类、检测和定位之推断功能的理想选择：
|
分类 |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
|
检测和定位 |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
|
简化深度学习开发的功能
-
Neuro 提供自动图像尺寸修改。从摄像头传入的图像可进行尺寸设置以匹配您的神经网络参数
Neuro 提供即时结果验证。您可以通过上传测试图像并马上验证推断结果来快速重复；无需单独的测试环境。可通过图像输入实现该功能，借此，测试图像将绕过摄像头核心功能并直接发送到神经网络进行验证
受 Neuro 支持的 FLIR 摄像头
