- 您當(dāng)前的位置是：首頁 >人工智能產(chǎn)品 > 人工智能開發(fā)與應(yīng)用平臺(tái)
- 人工智能開發(fā)與應(yīng)用平臺(tái)
-
-
人工智能邊緣計(jì)算平臺(tái)eAI7500
產(chǎn)品型號(hào)：eAI7500
人工智能邊緣計(jì)算平臺(tái)是為高校人工智能核心課程——《機(jī)器學(xué)習(xí)》、《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》、《計(jì)算機(jī)視覺》、《自然語言處理》等課程進(jìn)行各類算法學(xué)習(xí)實(shí)驗(yàn)、相關(guān)應(yīng)用案例開發(fā)的開放性計(jì)算平臺(tái)。
- 詳細(xì)內(nèi)容
-
平臺(tái)簡(jiǎn)介
人工智能邊緣計(jì)算平臺(tái)是為高校人工智能核心課程——《機(jī)器學(xué)習(xí)》、《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》、《計(jì)算機(jī)視覺》、《自然語言處理》等課程進(jìn)行各類算法學(xué)習(xí)實(shí)驗(yàn)、相關(guān)應(yīng)用案例開發(fā)的開放性計(jì)算平臺(tái)。該平臺(tái)包括：人工智能邊緣計(jì)算系統(tǒng)、視覺系統(tǒng)、開源機(jī)器學(xué)習(xí)案例庫、開源深度學(xué)習(xí)框架及案例庫、自然語言處理案例庫、大量訓(xùn)練與測(cè)試數(shù)據(jù)等。本開發(fā)平臺(tái)主要解決以上四門課程教學(xué)工程實(shí)踐問題，真正培養(yǎng)學(xué)生具有人工智能專業(yè)技術(shù)的實(shí)踐項(xiàng)目開發(fā)及應(yīng)用能力。
硬件參數(shù)
邊緣計(jì)算系統(tǒng)
1、CPU：6核64位 CPU + 6MB二級(jí)緩存+4MB三級(jí)緩存；
2、GPU：384核CUDA內(nèi)核+48個(gè)Tensor內(nèi)核；
3、DL加速器：2個(gè)NVDLA引擎；
4、視覺加速器：7路VLIW視覺處理器；
5、內(nèi)存：8GB 128位 LPDDR4內(nèi)存；
6、存儲(chǔ)：128G電子硬盤；
7、視頻：視頻編碼—4Kx2K/30Hz；視頻解碼—4Kx2K/60Hz，4Kx4K/30Hz；
8、接口
（1）以太網(wǎng)：10/100/1000BASE-T自適應(yīng)；
（2）無線網(wǎng)卡：802.11ac WIFI + 藍(lán)牙；
（4）顯示：HDMI 2.0；
（5）USB：4路USB 3.0 + USB 2.0；
（6）其他：GPIO， I2C， I2S， SPI， UART。
9、電源：DC19V 插孔；
10、機(jī)箱：工控專用機(jī)箱；
11、顯示器：21寸HDIM接口LCD顯示器；
12、外設(shè)：鍵盤、鼠標(biāo)一套；
13、預(yù)裝：預(yù)裝ubantu 18.0以上操作系統(tǒng)。
計(jì)算機(jī)視覺系統(tǒng)
1、200萬像素相機(jī)；
2、1/2.7”CMOS傳感器；
3、最大圖像尺寸：1920×1080；
4、RJ45以太網(wǎng)接口或USB接口；
5、電源：DC5V或DC12V。
應(yīng)用開發(fā)案例
1、計(jì)算機(jī)視覺基礎(chǔ)案例
1.1 在圖像上繪制直線、圓及字符串；
1.2 圖像的灰度處理；
1.3 圖像的閾值分割及平滑處理；
1.4 圖像的運(yùn)算、比較及變化；
1.5 圖像的顏色提取、拆分及合并；
1.6 圖像形態(tài)學(xué)；
1.7 圖像形態(tài)學(xué)濾波；
1.8 邊緣檢測(cè)；
1.9 霍夫（Hough）直線、圓形檢測(cè)；
1.10 輪廓提取及缺陷檢測(cè)；
1.11 圖像顏色直方圖分析；
1.12 圖像多邊形；
1.13 圖像的矩；
1.14 模板匹配；
1.15 圖像特征點(diǎn)檢測(cè)。
2、計(jì)算機(jī)視覺應(yīng)用案例
（1）視覺定位
1.1 原點(diǎn)視覺定位；
1.2 裝配視覺定位。
（2）視覺測(cè)量
2.1 距離與長(zhǎng)度測(cè)量；
2.2 角度測(cè)量；
2.3 圓弧與正圓、橢圓測(cè)量。
（3）視覺識(shí)別
3.1 產(chǎn)品生產(chǎn)日期檢測(cè)；
3.2 車牌及號(hào)碼檢測(cè)；
3.3 條碼、二維碼識(shí)別；
3.4 物料形狀、顏色識(shí)別；
3.5 物料視覺識(shí)別與分揀；
3.6 道路標(biāo)志識(shí)別；
3.7 人臉識(shí)別。
（4）視覺檢測(cè)
4.1 零件缺陷檢測(cè)；
4.2 產(chǎn)品質(zhì)量檢測(cè)。
3、機(jī)器學(xué)習(xí)課程開源應(yīng)用開發(fā)案例
3.1 眼鏡類型分類的決策樹算法案例；
3.2 手寫數(shù)字分類k最近鄰算法案例；
3.3 簡(jiǎn)單數(shù)據(jù)集分類的線性模型算法案例；
3.4 小規(guī)模數(shù)據(jù)點(diǎn)分類的SVM算法案例；
3.5 留言板侮辱性言論屏蔽的貝葉斯分類器算法案例；
3.6 距離測(cè)量的流行學(xué)習(xí)數(shù)據(jù)降維算法案例；
3.7 地圖標(biāo)記點(diǎn)分類的聚類算法案例；
3.8 聲納信號(hào)分類的隨機(jī)森林算法案例；
3.9 毒蘑菇相似特征分析的Apriori算法學(xué)習(xí)案例；
3.10 走迷宮的強(qiáng)化學(xué)習(xí)案例。
4、深度學(xué)習(xí)課程開源應(yīng)用開發(fā)案例（含自然語言處理與語音識(shí)別課程開源應(yīng)用開發(fā)案例）
（1）深度學(xué)習(xí)主要網(wǎng)絡(luò)結(jié)構(gòu)與應(yīng)用
1.1 卷積神經(jīng)網(wǎng)絡(luò)及應(yīng)用；
1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)及應(yīng)用；
1.3 殘差網(wǎng)絡(luò)及應(yīng)用；
1.4 生成對(duì)抗網(wǎng)絡(luò)及應(yīng)用。
（2）深度學(xué)習(xí)開源框架與搭建
2.1 基于TensorFlow框架的網(wǎng)絡(luò)模型搭建；
2.2 基于PyTorch框架的網(wǎng)絡(luò)模型搭建。
（3）深度學(xué)習(xí)在自然語言處理的應(yīng)用
3.1 中文分詞與詞性標(biāo)注；
3.2 句法分析與文本處理；
3.3 機(jī)器翻譯。
（4）深度學(xué)習(xí)在圖像處理的應(yīng)用
4.1 手寫數(shù)字識(shí)別；
4.2 圖像分類；
4.3 目標(biāo)檢測(cè)識(shí)別；
4.4 人臉識(shí)別；
4.5 圖像生成。
（5）深度學(xué)習(xí)在語音識(shí)別的應(yīng)用
5.1 語音識(shí)別模型；
5.2 語音輸入法；
5.3 語音合成。
