機器學習 (ML)技術正在強化交通部門的檢測精度和數(shù)據(jù)分析能力。作為新技術，機器學習仍在不斷演進發(fā)展，且新的技術標準也在制定中。

根據(jù)IDC發(fā)布《2019下半年中國人工智能軟體及應用追蹤》報告顯示，2019年中國機器學習開發(fā)平臺市場規(guī)模達到2.05億美元。而在2018—2024年之間，中國的機器學習市場的預計復合增長率（CAGR）為38.6％，前景可期。

廣泛應用于收費系統(tǒng)、交通監(jiān)控、安全保障等場景的智能交通攝像頭系統(tǒng)，對于交通管理具有變革性的意義。

與建設分流路線和更多道路的傳統(tǒng)思路相比，智能交通攝像頭對于優(yōu)化交通流，疏解交通擁擠和堵塞作用非凡，且大大減少了成本消耗。

自 1988 年以來，Tattile 一直在為交通移動應用開發(fā)和生產(chǎn)基于人工智能 ( AI )的車牌自動識別系統(tǒng)( ANPR ) 攝像頭。該公司為收費系統(tǒng)、車輛追蹤、車輛分類和公共安全應用提供了豐富多樣的智能攝像頭。

Tattile 新推出的新型攝像頭系列產(chǎn)品具備面向未來的能力，需要適應新的 AI 算法和圖像傳感器以便處理龐大且復雜的車輛和環(huán)境數(shù)據(jù)。

由于具備出眾的多類目標檢測性能、更低的端到端時延和低于 10W 的功耗，賽靈思 Zynq UltraScale+ MPSoC 和 DPU 解決方案在Tattile 的產(chǎn)品選型中脫穎而出，為Tattile提供了強大的可擴展能力、靈活性和工業(yè)級可靠性，可以解決 Tattile 旗下產(chǎn)品在實際應用場景中所面臨的各種設計挑戰(zhàn)。在設計上它們適用于從低端到極高端的全系列產(chǎn)品，而且能在對功耗和系統(tǒng)穩(wěn)定性要求嚴格的戶外環(huán)境下運行。

以強大算力，保障全系產(chǎn)品滿狀態(tài)運行

與基于計算機視覺的傳統(tǒng)解決方案相比，賽靈思技術能夠幫助 Tattile 改善復雜環(huán)境下的目標檢測、分類精度和推斷效率。為實現(xiàn)實時推斷，機器學習需要在有限的功耗預算內(nèi)提供強大算力，而賽靈思解決方案能夠滿足這些需求，并且積極達成 Tattile 的嚴格設計目標。

不僅如此，通過賽靈思獨特的自適應特性，Tattile 還可以在在未來現(xiàn)場運行時進一步提升性能。

以 AI 工具加持，賦能深度學習靈活升級

專用于 AI 應用開發(fā)的軟件環(huán)境的 Vitis AI 是 Tattile 選擇賽靈思的另一個原因。Vitis AI 不僅可提供卓越的 AI 加速性能，也能讓 Tattile 產(chǎn)品靈活適應各種交通場景。憑借功能強大的 Vitis AI 工具，Tattile 能夠面向目標檢測和分類實現(xiàn)定制的深度學習神經(jīng)網(wǎng)絡，并在單芯片 MPSoC 解決方案中運行 H.265 視頻編解碼進程。

借助賽靈思提供的先進技術和開發(fā)者工具，加上賽靈思分銷合作伙伴 Avnet Silica 的技術支持，使 Tattile 得以面向廣泛的交通攝像頭產(chǎn)品群體，打造了一款極具競爭力不俗的機器學習平臺，助力實現(xiàn)多種應用。

此外，賽靈思解決方案提供了功耗優(yōu)勢、合理的價格、強大的支持團隊，這對Tattile業(yè)務成功都發(fā)揮了積極作用。

責任編輯：lq