摘要:本发明公开了一种分布式人工智能分析方法及装置,由客户端发起人工智能分析请求,DR路由器在接收到人工智能分析请求后,发送人工智能分析任务安排消息,所述人工智能分析任务安排消息的目的IP地址为组播组IP地址,源IP地址为视频源IP地址,所述人工智能分析任务安排消息携带客户端对应的网关路由器IP地址或客户端IP地址,客户端对应的网关路由器在接收到人工智能分析任务安排消息后,承担对应的人工智能分析任务。本发明由尽可能接近客户端的路由器执行人工智能分析工作。当多个客户端发起请求时,执行分析的路由器进行合并。本发明尽可能地避免了重复分析,尽量避免重复的分析工作,充分发挥路由节点的处理潜力。
2022-04-19 17:05:33 391KB tcp/ip 分布式 人工智能 音视频
企业集团智能分析BI解决方案
2022-04-15 11:04:32 3.86MB 企业集团智能分析BI解决方案
智慧园区安全管理平台是指利用先进的指纹识别、GIS、嵌入式、红外探测、智能感知、图像识别、自动控制、智能音视频处理、物联网、云计算及分布式数字宽带等技术,以“集成化”、“数字化”、“智能化”、“网络化”的建设目标,对现代园区、人员、周界、车辆、库室、物资等进行汇聚式的综合管理管控的系统,系统集成门禁管理、视频监控、视频分析、联动告警、巡更管理等多个子系统,将以往分散的各类子系统进行了高度融合,推进信息化与安全管控在园区管理领域的最优汇聚和最大释放,提供一套全方位的综合安全管理解决方案,建立集全域感知、融合应用、信息支撑于一体的园区安防一体化综合管理平台,为园区的安全防范提供有力保障,极大地提升园区的安防建设管理水平
2022-04-12 17:05:52 32.94MB 人工智能 音视频 安全 物联网
轨道交通视频智能分析管理系统方案202104.pptx
2022-04-12 17:05:49 11.17MB 音视频 轨道交通 AI
火车站站台视频监控智能分析管理系统解决方案20210413.pptx.pdf
2022-04-12 17:05:48 7.62MB 音视频 火车站站台 视频监控 AI
有效识别图像或视频中人物的不同群体, 是进行图像智能分析的重要环节, 归根结底是研究如何获取图像中的“有效特征”. 本文以卷积神经网络模型为基础模型, 提出多模型融合卷积神经网络的方法, 利用ImageNet训练得到的模型参与本文神经网络模型的权值初始化, 在有效节省时间和计算资源成本的前提下获取更多有效的特征. 实验结果证明, 本模型对于自然场景中的个体分类中成年男性、成年女性、儿童识别准确率可以保持在85%左右, 提高了人物群体分类的准确度和可靠度.
1
通过输入需要寻找人员的人脸图片,系统在楼宇监控画面进行分析比对和查找,通过视频拼接服务,查看老人和小孩经过每个摄像头的拼接录像并绘制行走轨迹。有效提高园区处置特殊情况的能力,提高园区安全水平。 实现对园区人、车、物、事件、能耗、环境、安全等重要指标信息的全面查询和监测,以及对园区全局的把握和资源的综合调度,为园区的业主领导、物业领导了解整个园区的运行情况, 并为决策提供数据支撑。
2022-02-25 12:02:01 20.35MB 智慧园区 IoT 视频智能 人工智能
Agriculture:智慧农业物联网应用平台将物联网技术运用到传统农业中去,运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制,依托部署在农业上生产现场的各种传感传感器(环境温湿度,土壤成分,PH值,二氧化碳,光照强度,气压,图像等)和无线通信网络实现农业生产环境的智能感知,智能预警,智能决策,智能分析,专家在线指导,为农业生产提供精准化种植养殖,可视化管理,智能化决策
2022-02-16 21:12:17 5.08MB 系统开源
1
透明工作面是目前智能化开采的重要研究方向,是实现无人化开采的重要途径。针对记忆割煤应用效果较差、传感器精度低、大数据融合应用率低、无法根据工作面地质条件变化进行自主感知、决策和调整等问题,开展了基于透明地质数据智能精准开采的研究与实践应用。通过钻探、巷道测量和槽波勘探等物探手段来构建较精准的透明工作面三维模型,提前规划截割模板,再联合应用惯性导航技术、雷达定位技术和大数据分析决策技术,来不断修正截割模板,最后通过井下精准控制中心来完成对采煤机和液压支架的精准控制。该技术将当前基于记忆截割的“智能开采1.0”阶段升级为基于透明地质规划截割的“智能开采3.0”阶段,实现由传统的记忆割煤向三维空间感知和自动截割的技术跨越,具有很强的适应性和实用性。
1
2021年生态资产构成智能分析 EDA 要求 分割模型-火炬 pip install git+https://github.com/qubvel/segmentation_models.pytorch 火车 python train.py 推理 python inference.py 提交 zip -r results.zip results 日志 2020-02-04 修改代码中的bug(测试中图像格式需要从BGR转换为RGB) 线上分数0.3406 2020-02-05 增加重新加权策略 线上分数0.3511(线下验证集miou分数下降,线上分数反而提高了,可能是因为训练集和测试的数据分布不同导致的) 2020-02-06 更换基准 骨干:高效 型号:unet ++ image_scale:256 联合损失:dice_loss + label_smooth 优化:adamW 调度
2022-02-15 21:41:21 443KB Python
1