AI 视觉新势力×微光全彩“黑”科技-电子发烧友网

大人！时代变了！！一款「3.6TOPS@INT8」视觉 AI 边缘 Linux 板卡入驻 SIPEED 开源社区啦！！！

PART01

MAIX-III AXera-Pi 是什么？

这是一款搭载「爱芯元智 AX620A」的视觉 AI 开发板，支持 400w 像素 AI ISP 夜景增强算法，在给用户带来了出色影像效果的同时，通过多元化的 AI 生态加持，使得在边缘设备部署模型更加快速和容易，比如ResNet50、YOLOv5s、YOLOv7-Tiny、SCRFD、MonoFlex、HRNet、PP-HumanSeg 等模型已实现部署，未来会借助开源社区的力量把更多的“模型”进一步“落地”！这就是今天给大伙带来的新品「MAIX-III AXera-Pi」！（可简称 m3axpi ）

下文预计阅读时间

1.什么是微光全彩？（阅读1分钟）

2.什么是 AI 视觉？（阅读2分钟）

3.我们带来了什么？（阅读3分钟）

PART02什么是微光全彩？先来看下面的这张图，这是传统去噪（左）和 AI 去噪（右）的效果对比，可以看到 AI 的图像处理效果在很多领域已经远超传统算法的极限了。

AI 微光全彩夜景增强效果微光全彩是指在光线微弱无需补光就能呈现全彩画质，而这款产品的摄像头在经过上述多种AI ISP 图像算法增强后，就能够得到以下视频中「微光全彩」的效果。

以下视频均来自真实用户提供

400w像素有什么特别？SIPEED 从 18 年 K210 30w 到 20 年 V831 200w 再到 22 年 AX620A 400w 像素增长，在这期间的画质有着明显的进步，不妨来看看这个成像进化的过程吧！

（左上 30w 右上 200w中下 400w）

PART

什么是 AI 视觉？

所谓的 AI 视觉是指将 AI 神经网络技术应用到计算机视觉 CV 领域中，如果说人工智能赋予计算机思考的能力，那么计算机视觉就是赋予发现、观察和理解的能力。一直以来，传统计算机视觉的泛化效果不够理想，识别过程中往往会受到环境光照干扰、目标的大小与场景变化、物体发生旋转倾斜等问题的影响。为了解决这些问题引入了 AI 神经网络模型，并梳理出了计算机视觉的四大基本任务：分类、定位、检测、分割。

01举个子？

左图像分类（object classification)

给 AI 一张图，就能对这张图主体是猫、狗还是物体等进行分类并显示名称，如图中的车。

中图像定位（object localization）

给 AI 一张图，就可以用矩形框出这张图主体在图里的具体位置，如图中被框起来的车。

右图像检测（object detection）

可以同时对多个不同的物体进行分类和定位，将图里的事物分别是猫、狗、人脸或物品，通过矩形框出猫、狗、人脸或其他东西在图里的位置，如图中被框起来的不同角度的两辆车。

下图像分割（object segmentation）

当确定了物体的类别与定位，还可以进一步的把图像中需分割的目标从背景中分离出来，从下图来看类似一键抠图的效果。

接着我们来看看在服务器和开发板 上的实际部署情况如何？

02在服务器上的运行结果

如今在服务器部署上述 AI 模型已经不足为奇！

03在开发板的运行结果

在过去，因边缘设备算力普遍低于1TOPS，导致开发者往往需要开足马力才能实现勉强能用的分类、检测模型。而如今大幅提升的3.6TOPS算力能游刃有余的跑出与服务器近似的效果。

实测 YOLOV5-S 检测，在输入 640x640 分辨率的情况下只需要 12~22ms（注：12ms 为不使用 AI-ISP 的情况）而 YOLOV7-Tiny 的则是8 ~ 11 ms。由此可见板端部署 Ai 模型推理速度快，兼容性不错、模型效果好，3.6T算力是真的香！PART04

我们带来了什么？

边缘 AI 社区Sipeed 开源以边缘 AI 落地为核心目标，为社区用户提供 [MaixHub AI] 在线服务，提供 AI 开发指南、在线标注、模型在线训练、模型转换、模型部署、模型分享等在线内容。训练好的模型可在浏览器部署，也可部署到边缘设备，在线训练或本地训练好的 AI 模型可直接分享到模型库，未来也将持续引导社区里热情而又活跃的开发者们踊跃尝试和分享，为边缘AI生态贡献更多内容！

（左：在线标注右：在线训练）