XiaoMi-AI文件搜索系统
World File Search SystemJetson
使用 NVIDIA Jetson 上的深度学习进行面罩检测
2019 年 12 月，冠状病毒大流行开始。冠状病毒疾病-19 (COVID-19) 通过直接接触直接从受污染的表面传播。为了对抗病毒，需要大量设备。口罩是人多拥挤场所个人防护的重要组成部分。因此，确定一个人是否戴着口罩对于融入当代社会至关重要。为了实现这一目标，本文提出的模型使用了深度学习库和 OpenCV。出于安全考虑，选择了这种方法，因为它在部署期间具有很高的资源效率。分类器是使用 MobileNetV2 结构构建的，该结构设计为轻量级，能够在 NVIDIA Jetson Nano 等嵌入式设备中使用以进行实时口罩识别。模型构建的阶段包括收集、预处理、拆分数据、创建模型、训练模型和应用模型。该系统利用图像处理技术和深度学习来处理实时视频源。当有人没有戴口罩时，输出最终会通过内置蜂鸣器发出警报声。实验结果和测试用于验证系统的性能。包括训练和测试，识别率达到99%。
研究文章 边缘人工智能：使用 Jetson Nano 进行心肌梗死生命体征识别的实时无创技术
医学史表明，心肌梗塞是人类死亡的重要原因之一。自主技术的快速发展、计算机视觉和边缘计算的兴起为医疗监测系统提供了令人着迷的可能性。这项工作的主要动机是通过环境智能下的自动紧急识别系统提高心脏骤停期间的存活率。我们提出了一种基于胸痛和跌倒姿势的生命体征检测的新方法，使用智能监控摄像头来应对心肌梗塞期间的紧急情况。使用最先进的卷积神经网络实现了来自“边缘 AI”的实时嵌入式解决方案：单次检测器 Inception V2、单次检测器 MobileNet V2 和物联网嵌入式 GPU 平台 NVIDIA 的 Jetson Nano。深度学习算法针对 3000 个室内彩色图像数据集实施：南洋理工大学红蓝绿和深度、NTU RGB + D 数据集和私有 RMS 数据集。研究主要围绕创建和训练 CNN 模型以检测生命体征并评估其性能指标的两个关键因素。我们提出了一种经济高效且功耗低的心肌梗死生命体征机载检测模型，并评估了指标，平均准确率为 76.4%，平均召回率为 80%。
NVIDIA 推出 Jetson Nano 2GB：面向学生、教育工作者、机器人爱好者的终极 AI 和机器人入门套件
本新闻稿中的某些陈述包括但不限于以下陈述：Jetson Nano 2GB 开发套件的优势、影响和可用性；当今的学生和工程师在不久的将来与机器人互动并将 AI 传授给机器人；Jetson 设计用于任何部署；NVIDIA 的 Jetson 推动工业 AIoT 的最大革命，这些陈述均为前瞻性陈述，受风险和不确定性的影响，可能导致结果与预期存在重大差异。可能导致实际结果存在重大差异的重要因素包括：全球经济状况；我们对第三方制造、组装、包装和测试我们产品的依赖；技术发展和竞争的影响；新产品和技术的开发或对我们现有产品和技术的增强；市场对我们产品或我们合作伙伴产品的接受度；设计、制造或软件缺陷；消费者偏好或需求的变化；行业标准和界面的变化；我们的产品或技术集成到系统中时性能意外下降；以及 NVIDIA 向美国证券交易委员会 (SEC) 提交的最新报告中不时详述的其他因素，包括但不限于其 10-K 表年度报告和 10-Q 表季度报告。提交给 SEC 的报告副本发布在公司网站上，可从 NVIDIA 免费获取。这些前瞻性声明并非未来业绩的保证，仅代表截至本文日期的观点，除法律要求外，NVIDIA 不承担更新这些前瞻性声明以反映未来事件或情况的任何义务。
案例研究：基于 Nvidia Jetson 的边缘 AI 平台
Happiest Minds 是一家专注的 IT 公司，它采用敏捷方法，通过提供无缝的客户体验、业务效率和可操作的见解，为企业和技术提供商实现数字化转型。我们利用一系列颠覆性技术，例如：大数据分析、人工智能和认知计算、物联网、云、安全、SDN-NFV、RPA、区块链等。定位为“天生数字化。天生敏捷”，我们的能力涵盖产品工程、数字业务解决方案、基础设施管理和安全服务。我们为零售、消费品、教育技术、电子商务、银行、保险、高科技、工程研发、制造、汽车和旅游/交通/酒店等行业提供这些服务。