影像分析軟硬體概念
從使用經典演算法的影像分析，到使用神經網路的 AI 型功能，我們的團隊都能為您的專案設計適當的硬體與軟體。
基於 AI 的影像分析
我們的 AI 影像分析服務可協助您將 AI 演算法整合至您的視覺應用程式。套裝範圍從訓練卷積神經網路 (CNN) 到最佳化 AI 模型，並將其與您的目標應用程式整合。
影像資料和 AI 模型
我們的服務範圍包括
資料準備：
清理和準備資料集，包括資料豐富化和預處理步驟，如標準化、特徵工程等。
AI 模型最佳化：
優化超參數、選擇適當的優化器、損失函數和正規化技術。
使用轉移學習和微調等技術，使現有的 AI 模型適用於特定用例。
AI 模型驗證：
評估 AI 模型效能的指標（例如準確度、F1 得分、ROC-AUC 等）。
執行交叉驗證：在不同的資料集上測試 AI 模型，以確保通用性。
針對目標應用進行部署和擴展
我們的服務範圍包括
部署 AI 模型：
將 AI 模型部署到作業系統中
將 AI 模型整合至現有的軟體架構 (API、微服務)，並確保模型能即時或有效率地回應查詢。
監控與維護 AI 模型：
監控 AI 模型，以確保預測的一致性和準確性
在出現概念偏移或新資料需求時，調整或重新訓練 AI 模型。
AI 影像分析的硬體解決方案
FPGA 可直接在影像擷取卡或嵌入式視覺裝置上處理影像資料 - 從影像擷取到分析結果。透過整合 AI 加速器和 NPU，工業 PC 也能使用 CNN 實作計算密集的應用程式。
採用 Basler 影像擷取卡與 VisualApplets 的 AI 系統
使用 VisualApplets 進行圖形化 FPGA 程式設計，可整合規模和複雜程度不同但合適的網路架構。網路與參數資訊也可從第三方軟體和訓練工具（例如 TensorFlow）匯入。
我們的服務範圍包括：
執行：如果您已經建立並訓練網路，我們會連同影像擷取卡 FPGA 上的權重（參數）一起傳輸及執行。
完整開發：我們負責建立及訓練網路，並全程執行 FPGA。
嵌入式環境中的 AI 應用
最精巧、最符合成本效益的 AI 視覺系統是利用嵌入式技術所開發：智慧邊緣裝置提供快速 Runtime、低延遲，以及更強大的隱私與安全保護。
我們的服務範圍包括：
開發具有不同架構的神經網路，例如 U-Net 架構、MobileNet 骨幹。
改造及訓練既有神經網路
整合及指示 AI 加速器
與目標系統整合
