面向自动车牌识别 (ALPR) 加速应用的 AI Box
发布者: Uncanny Vision
用于 LPR / ANPR 的 AI Box 是一种深度学习应用，可解码多个实时摄像机流，检测、跟踪车辆并读取车牌文本。常见应用包括智能泊车、门禁安全、交通管理与执法等。
AMD 合作伙伴视频：Uncanny Insighter - Gate ANPR/LPR
特性:
- 视频流水线为检查车辆、车牌和车型并进行车牌识别提供多种人工智能模型
- 在 1080p 分辨率下支持达 2 个数据流的 H.264/H.265 解码
- 端到端 LPR 解决方案，包括仪表盘、远程监控、车辆黑名单和白名单
- 开放 REST API，实现自定义集成
- 包括硬件设计的完整应用
常见问题解答
不，该应用不需要任何 FPGA 设计经验。
为北美、欧洲、印度、澳大利亚提供现成的 LPR。其他国家可申请定制选项。
是
既可每月订购，也可一次性购买许可证。
不，LPR 解决方案完全基于视频和摄像头。
主要资料
通过自适应计算助力电力驱动控制和可持续发展
AMD Kria™ 自适应模块系统 (SOM) 器件在电力驱动控制中发挥着重要作用。它们可以优化性能，帮助电机更高效地运行，还能降低功耗、减轻噪音、减少振动，并在潜在故障发生之前检测到它们。下载全新的电机控制电子书以了解更多信息！
使用自适应计算加速您的 AI 边缘解决方案
了解有关自适应 SOM 的所有信息，以实例解释了自适应 SOM 为什么适合下一代边缘应用，以及如何在下一代边缘应用中部署自适应 SOM。本书还强调了智能视觉提供商如何从只有自适应 SOM 才能实现的性能、灵活性及快速开发等优势中获益。
机器人自适应计算
对机器人的需求正在迅速增长。构建一款既安全又能与人一起工作的机器人已经够难了。还要让这些技术协同工作，则更具挑战性。更复杂的是，机器学习和人工智能的加入，增加了满足计算需求的难度。
机器人专家正在转而采用自适应计算平台，其可在一个适应未来、可扩展的自适应集成型平台上实现内建的安全功能，从而可提供低时延、确定性的多轴控制。参阅 eBook，了解更多信息。