通过 FLIR Firefly DL相机进行边缘推断，激发深度学习的潜能~

深度学习

　　深度学习作为一项新技术，革新了现有应用程序并推动新兴产业的迅猛发展。Google、Amazon、Intel 和Nvidia提供的用于创建和训练神经网络的工具使技术获取更容易，促进新玩家凭借有竞争力的产品进入成熟市场。

　　目前，深度学习的潜能已被广泛认可，也许您现在正在应用程序上使用深度学习。为了让机器视觉开发者能够充分利用这项技术，菲力尔推出了FLIR Firefly?  DL相机，它可以便捷地在现场部署受训过的网络。
　　FLIR Firefly? DL
　　FLIR Firefly DL通过集成高质量的Sony Pregius图像传感器和符合GenICam的Intel Movidius Myriad 2视觉处理单元 (VPU)，将机器视觉和深度学习推断相结合。FLIR机器视觉相机尺寸小巧、重量轻且功耗低，是嵌入移动、桌面和手持系统的理想选择。

VPU的概念

　　位于FLIR Firefly? DL核心的Intel Movidius Myriad 2视觉处理单元（VPU）是一种新型处理器。VPU结合了高速硬件图像处理过滤器、通用CPU内核以及平行矢量处理内核。与GPU的通用内核相比，用于加速相机内建推断的矢量内核针对神经网络的分支逻辑进行了更多优化，优化程度更高的VPU能够以低功率实现高性能。
　　

推断与深度学习的关系

　　推断是在新捕获的、无标签真实数据上应用的深度学习。推断是指受训后的神经网络根据新数据做出预测的结果。

　　

推断应用了一个通过标记数据 (A) 训练未标记数据 (B) 的模型

　　虽然有许多不同类型的网络可用于推断，但MobileNet特别适用于图像分类。MobileNet最初由Google设计，用作移动设备的高精度图像分类和分割。与那些计算昂贵且需要耗电量大GPU的网络相比，它也能够实现相同的精度。
　　
　　传统智能相机结合了机器视觉相机和运行基于规则的图像处理软件的单板计算机。智能相机可以较好解决简单问题，例如读取条形码或回答“孔是否应该位于该部分？”这类提问。推断相机的优势在于可处理更复杂或主观的问题，例如“这是出口级苹果吗？” 当使用已知的优质图像进行训练时，推断相机可以轻松识别基于规则的检查系统无法识别的非预期内缺陷，使其对差异性更加宽容。
　　推断相机可通过丰富的描述元数据扩大现有应用。通过GenICam块数据，FLIR Firefly? DL相机可以使用推断来标记传至主机的图像，该主机使用传统的基于规则的图像处理方式。通过这种方式，用户可快速扩展其现有视觉系统的能力。该混合式系统架构同样也可以触发传统视觉系统。
　　使用 FLIR Firefly? DL相机可以节省大量空间，因为传统智能相机中使用的计算硬件功耗效率更低，而且比FLIR Firefly?DL相机中的VPU大得多。FLIR Firefly? DL相机尺寸只有27mmx27mm，可随时集成到紧凑的空间中。
　　FLIR Firefly? DL是一个开放式平台，使用户可灵活利用快速进步的深度学习网络及其训练和优化的相关工具链。相反，使用专有工具对智能相机进行编程可能会落后于最新技术。
　　

相机内建推断的优势

　　在视觉系统边缘进行推断，可以促进系统速度、可靠性、功率效率和安全性的提升。
　　★ 速度：边缘推断与其他形式的边缘计算一样，图像处理可在离开中央服务器，靠近数据源进行。无需将所有图像传输至远程服务器，只需传送描述数据。这将大幅减少系统需传输的数据量，使网络带宽和系统延迟降到最低。
　　★ 可靠性：对于某些应用，FLIR Firefly? DL不需要依靠服务器和网络基础设施，就可提升其自身可靠性。FLIR Firefly? DL通过其内置的VPU，可作为独立传感器运行。它可捕捉图像并根据图像做出决策，然后使用GPIO信号触发操作。
　　★ 功率效率：只在需要时触发视觉系统意味着更多的处理时间可用在传统基于规则的图像处理和分析上。深度学习推断可在满足特定条件时触发高功率图像分析。Myriad 2 VPU通过级联网络支持可节省额外功率。如此可以实现多层分析，只要满足前一个网络的条件，更复杂、功率更高的网络就可以启用。
　　★ 安全：少量数据的传送便于加密，提升系统安全性。
　　

深度学习推断的应用

　　FLIR Firefly? DL提供了一条从深入学习的研发到实际应用程序的方便途径。它可随时作为独立传感器使用，捕捉图像并基于图像做出决策，从而触发GPIO行为。
　　通过Intel神经计算棒，可用低于1000美元（约6300元）的成本建立起完整的视觉系统边缘推断。视觉系统开发人员可以使用Intel OpenVINO工具包在同一个驱动FLIR Firefly? DL相机内建推断的VPU上轻松优化和验证神经网络的性能。这使得用户能够使用相同的相机，准确评估Myriad 2驱动的、并行于传统算法推断的性能。

　　

从GPU训练转移到神经计算棒开发和FLIR Firefly? DL部署

　　深度学习推断将从根本上改变视觉系统设计和编程的方式。它比使用传统基于规则的方式更加快速精确地做出复杂且主观的决策。通过集合Sony Pregius传感器、GenICam 界面和 Intel Movidius Myriad 2 VPU，FLIR Firefly? DL相机将机器视觉与深度学习相结合。