深度學習

深度學習作為一項新技術，革新了現有應用程序并推動新興產業(yè)的迅猛發(fā)展。Google、Amazon、Intel 和Nvidia提供的用于創(chuàng)建和訓練神經網絡的工具使技術獲取更容易，促進新玩家憑借有競爭力的產品進入成熟市場。

目前，深度學習的潛能已被廣泛認可，也許您現在正在應用程序上使用深度學習。為了讓機器視覺開發(fā)者能夠充分利用這項技術，菲力爾推出了FLIR Firefly?? DL相機，它可以便捷地在現場部署受訓過的網絡。

FLIR Firefly? DL

FLIR Firefly DL通過集成高質量的Sony Pregius圖像傳感器和符合GenICam的Intel Movidius Myriad 2視覺處理單元 (VPU)，將機器視覺和深度學習推斷相結合。FLIR機器視覺相機尺寸小巧、重量輕且功耗低，是嵌入移動、桌面和手持系統(tǒng)的理想選擇。

VPU的概念

位于FLIR Firefly? DL核心的Intel Movidius Myriad 2視覺處理單元（VPU）是一種新型處理器。VPU結合了高速硬件圖像處理過濾器、通用CPU內核以及平行矢量處理內核。與GPU的通用內核相比，用于加速相機內建推斷的矢量內核針對神經網絡的分支邏輯進行了更多優(yōu)化，優(yōu)化程度更高的VPU能夠以低功率實現高性能。

推斷與深度學習的關系

推斷是在新捕獲的、無標簽真實數據上應用的深度學習。推斷是指受訓后的神經網絡根據新數據做出預測的結果。

推斷應用了一個通過標記數據 (A) 訓練未標記數據 (B) 的模型

雖然有許多不同類型的網絡可用于推斷，但MobileNet特別適用于圖像分類。MobileNet最初由Google設計，用作移動設備的高精度圖像分類和分割。與那些計算昂貴且需要耗電量大GPU的網絡相比，它也能夠實現相同的精度。

推斷相機和“智能相機”的區(qū)別

傳統(tǒng)智能相機結合了機器視覺相機和運行基于規(guī)則的圖像處理軟件的單板計算機。智能相機可以較好解決簡單問題，例如讀取條形碼或回答“孔是否應該位于該部分？”這類提問。推斷相機的優(yōu)勢在于可處理更復雜或主觀的問題，例如“這是出口級蘋果嗎？” 當使用已知的優(yōu)質圖像進行訓練時，推斷相機可以輕松識別基于規(guī)則的檢查系統(tǒng)無法識別的非預期內缺陷，使其對差異性更加寬容。

推斷相機可通過豐富的描述元數據擴大現有應用。通過GenICam塊數據，FLIR Firefly? DL相機可以使用推斷來標記傳至主機的圖像，該主機使用傳統(tǒng)的基于規(guī)則的圖像處理方式。通過這種方式，用戶可快速擴展其現有視覺系統(tǒng)的能力。該混合式系統(tǒng)架構同樣也可以觸發(fā)傳統(tǒng)視覺系統(tǒng)。

使用?FLIR Firefly? DL相機可以節(jié)省大量空間，因為傳統(tǒng)智能相機中使用的計算硬件功耗效率更低，而且比FLIR Firefly?DL相機中的VPU大得多。FLIR Firefly? DL相機尺寸只有27mmx27mm，可隨時集成到緊湊的空間中。

FLIR Firefly? DL是一個開放式平臺，使用戶可靈活利用快速進步的深度學習網絡及其訓練和優(yōu)化的相關工具鏈。相反，使用專有工具對智能相機進行編程可能會落后于新技術。

相機內建推斷的優(yōu)勢

在視覺系統(tǒng)邊緣進行推斷，可以促進系統(tǒng)速度、可靠性、功率效率和安全性的提升。

★ 速度：邊緣推斷與其他形式的邊緣計算一樣，圖像處理可在離開中央服務器，靠近數據源進行。無需將所有圖像傳輸至遠程服務器，只需傳送描述數據。這將大幅減少系統(tǒng)需傳輸的數據量，使網絡帶寬和系統(tǒng)延遲降低。

★?可靠性：對于某些應用，FLIR Firefly? DL不需要依靠服務器和網絡基礎設施，就可提升其自身可靠性。FLIR Firefly? DL通過其內置的VPU，可作為獨立傳感器運行。它可捕捉圖像并根據圖像做出決策，然后使用GPIO信號觸發(fā)操作。

★?功率效率：只在需要時觸發(fā)視覺系統(tǒng)意味著更多的處理時間可用在傳統(tǒng)基于規(guī)則的圖像處理和分析上。深度學習推斷可在滿足特定條件時觸發(fā)高功率圖像分析。Myriad 2 VPU通過級聯網絡支持可節(jié)省額外功率。如此可以實現多層分析，只要滿足前一個網絡的條件，更復雜、功率更高的網絡就可以啟用。

★?安全：少量數據的傳送便于加密，提升系統(tǒng)安全性。

深度學習推斷的應用

FLIR Firefly? DL提供了一條從深入學習的研發(fā)到實際應用程序的方便途徑。它可隨時作為獨立傳感器使用，捕捉圖像并基于圖像做出決策，從而觸發(fā)GPIO行為。

通過Intel神經計算棒，可用低于1000美元（約6300元）的成本建立起完整的視覺系統(tǒng)邊緣推斷。視覺系統(tǒng)開發(fā)人員可以使用Intel OpenVINO工具包在同一個驅動FLIR Firefly? DL相機內建推斷的VPU上輕松優(yōu)化和驗證神經網絡的性能。這使得用戶能夠使用相同的相機，準確評估Myriad 2驅動的、并行于傳統(tǒng)算法推斷的性能。

從GPU訓練轉移到神經計算棒開發(fā)和FLIR Firefly? DL部署

深度學習推斷將從根本上改變視覺系統(tǒng)設計和編程的方式。它比使用傳統(tǒng)基于規(guī)則的方式更加快速精確地做出復雜且主觀的決策。通過集合Sony Pregius傳感器、GenICam 界面和 Intel Movidius Myriad 2 VPU，FLIR Firefly? DL相機將機器視覺與深度學習相結合。這種新型推斷相機提供了一種在機器視覺應用中部署深度學習推斷的理想路徑。