边沿AI挑衅赛之光：通过检测非常节减带宽

TensorFlow与Keras加持，基于NVIDIA Jetson Nano的新应用助力伶俐都市应用下收集和云资源的最佳清算操作。

本日的伶俐都市应用首要依靠于对大量摄像头视频数据的说明。由此，对视频中最相干的变乱的辨认与推理手段对付构建高效、可扩展的应用至关重要。

在最近竣事的边沿AI挑衅赛中，SmellslikeML团队提出了一个基于NVIDIA Jetson Nano的应用，并以此斩获智能视频说明和伶俐都市种别二等奖。

该应用的焦点是在Jetson Nano上行使TensorFlow和Keras举办模子进修和运行的自动编码器模子。模子通过进修每个即将呈现的视频帧的场景上下文实现标志非常变乱的手段开拓。该小组提议行使DeepStream SDK处理赏罚这些非常变乱，从而做出进一步推理，譬喻辨认和追踪场景中的工具。

在有持续勾当的场景中（譬喻忙碌的阶梯），这种追踪并标志非常图像的要领优于简朴的行为检测算法。在下面的视频中，该应用正确标志了非常变乱，此进程中的图像馈送也镌汰了100倍。

模子正确辨认可以进一步说明的非常变乱

按照该团队的提议，这一模子可以应用于视频说明管道中，从而实现伶俐都市应用中对收集和云资源的最佳清算操作。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!