基于对视频的前后帧信息、光流运动信息分析、场景内容信息识别等分析，检测和识别视频动作 优势 多模态识别 综合图像、光流、声音等信息，识别动作更准确 识别准确 采用3D卷积神经网络算法，动作识别准确度高 对复杂场景鲁棒性强 对不同天气条件、不同的摄像头角度等复杂场景的视频动作识别具有良好的鲁棒性 建议搭配使用： 对象存储服务 OBS

查看更多 →

分为4个层次和一个辅助工具链。4个层次分别为L3应用使能层、L2执行框架层、L1芯片使能层和L0计算资源层。工具链主要提供了程序开发、编译调测、应用程序流程编排、日志管理和性能分析等辅助能力。 L3应用使能层 L3应用使能层是应用级封装，主要是面向特定的应用领域，提供不同的处理算

查看更多 →

遗洒物、拥堵检测、团雾检测、交通事故等事件监测；车路协同场景中重点推出智能卡口摄像机、毫米波雷达和智能交通微边缘ITS800高精拟合方案，通过雷视拟合技术，实现全天候感知，全方位检测，全实时解析，全要素采集，并通过RSU天线实时向附近车辆广播路侧信息，实现超视距预警，辅助驾驶决策。

查看更多 →

备上执行。若执行过程中需要向其他设备派发任务，则需要再调用一次设备接口进行设备选中。 2、执行流接口提供执行流的创建、释放、优先级定义、回调函数设置、对事件的依赖定义和同步等，这些功能关系到执行流内部的任务执行，同时单个执行流内部的任务必须按顺序执行。 如果多个执行流之间需要进行

查看更多 →

全息路口利用边缘计算技术将路口基础设施横向连通，利用大算力ITS800边缘计算单元，对接入的雷达、视频等设备进行数据结构化解析，并通过轨迹拟合等算法对机动车运行轨迹进行实时刻画描绘，同时生成多种实时基础元数据，借助ITS800边缘计算单元实现路口与中心侧纵向“端边云”协同，支撑助力交通大脑对城市进行智慧管控和服务。

查看更多 →

协同的解决方案 （1）边缘节点云端统一部署和管理 （2）设备云端统一管理，离线时本地自闭环 （3）规则分层处理，规则云端配置，边缘进行数据拟合和实时计算、边缘闭环或者根据规则上报云侧 （4）统一AI模型开发和流程调度，云上训练，边缘执行 （5）云侧服务和逻辑按需推至边缘，服务协同、数据协同、Function协同

查看更多 →

华为创新方案：华为AI超微光卡口，采用LED智能精准补光技术，有效截止杂散光束对司机的影响，能减少光污染90%。内置2颗AI芯片，用算力换图像，通过深度卷积网络模型实时优化图像质量，对夜间低照度车辆抓拍效果和白天车窗玻璃彩纹干涉的车内图像进行增强，从而得到全天候、全彩、不偏色的车内外高清图像。

查看更多 →

体验优化 单个删除应用时，若应用下存在环境，仍可删除成功，并同步删除应用下环境 点击帮助文档，本窗口内悬浮可以打开 环境-资源列表设置最小列宽，调小列宽后列表内容显示更加合理 manifest插件，选择OBS，在弹窗中点击“创建时间”上箭头或下箭头，能够显示排序效果 部署记录页面，时间

查看更多 →

离线模型执行器会调用运行管理器接口下发任务给任务调度器，最后由离线模型执行器返回加载结束信息给AI模型管家，再由流程编排器设置输出结果的回调函数获取执行完成后的结果。至此为止，离线执行器完成了离线模型的加载过程，下一步便可以直接进行推理计算。这个加载过程相当于将模型和昇腾AI处理

查看更多 →

Engine）作为算子的兵工厂，为基于昇腾AI处理器运行的神经网络提供算子开发能力，用TBE语言编写的TBE算子来构建各种神经网络模型。同时，TBE对算子也提供了封装调用能力。在TBE中有一个优化过的神经网络TBE标准算子库，开发者可以直接利用标准算子库中的算子实现高性能的神经网络计算。除此之外，TBE也提供

查看更多 →

时间：2020-12-23 16:53:32 事务表示一个从“用户请求 > webserver > DB > webserver > 用户请求”的完整过程，通常表现为一个 HTTP 请求。现实生活中，事务即一次任务，用户使用应用完成一项任务，比如电商应用程序中一次商品查询就是一个事务，一次支付也是一个事务。

查看更多 →

时间：2020-08-19 10:07:38 框架管理器协同TBE为神经网络生成可执行的离线模型。在神经网络执行之前，框架管理器与昇腾AI处理器紧密结合生成硬件匹配的高性能离线模型，并拉通了流程编排器和运行管理器使得离线模型和昇腾AI处理器进行深度融合。在神经网络执行时，框架管理器联合了流程编排器、运行管

查看更多 →

Engine）提供了昇腾AI处理器自定义算子开发能力，通过TBE提供的API和自定义算子编程开发界面可以完成相应神经网络算子的开发。 TBE的重要概念之一为NPU，即Neural-network Processing Unit，神经网络处理器。 在维基百科中，NPU这个词条被直接指向了“人工智能加速器”，释义是这样的：

查看更多 →

网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。 目标学员 需要掌握人工智能技术，希望具备及其学习和深度学习算法应用能力，希望掌握华为人工智能相关产品技术的工程师 课程目标 学完本课程后，您将能够：描述神经网络的定义与发展；熟悉深度学习神经网络的重要“部件”；熟

查看更多 →

算引擎由开发者进行自定义来完成所需要的具体功能。 通过流程编排器的统一调用，整个深度神经网络应用一般包括四个引擎：数据引擎，预处理引擎，模型推理引擎以及后处理引擎。 1、数据引擎主要准备神经网络需要的数据集（如MNIST数据集）和进行相应数据的处理（如图片过滤等），作为后续计算引擎的数据来源。

查看更多 →

时间：2020-12-08 10:09:21 现在大多数的AI模型，尤其是计算视觉领域的AI模型，都是通过深度神经网络来进行构建的，从2015年开始，学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的。并且有大量的研究论文集中于如何将这些AI模型从云上部署到端侧，为AI模型创造更多的应用场景和产业价值。

查看更多 →

时间：2020-08-19 09:27:09 神经网络构造中，算子组成了不同应用功能的网络结构。而张量加速引擎（Tensor Boost Engine）作为算子的兵工厂，为基于昇腾AI处理器运行的神经网络提供算子开发能力，用TBE语言编写的TBE算子来构建各种神经网络模型。同时，TBE对算子也提供

查看更多 →

-JPEGD模块对JPEG格式的图片进行解码，将原始输入的JPEG图片转换成YUV数据，对神经网络的推理输入数据进行预处理。 -JPEG图片处理完成后，需要用JPEGE编码模块对处理后的数据进行JPEG格式还原，用于神经网络的推理输出数据的后处理。 -当输入图片格式为PNG时，需要调用PNGD解码

查看更多 →

人模型。常见社交、会议等偏UGC场景。 写实模型 支持快捷、高精度的写实建模能力。可以基于真人3D扫描采集，直接制作出写实的、高拟真度、高拟合的3D数字人。常见政企代言、电视综艺、影视等偏PGC场景。 体积视频 基于最新的体采集技术，直接将真人的动作采集为3D MESH化视频，可

查看更多 →

视频封面：基于互联网在线视频的内容理解，快速输出具有代表性和吸引力的精彩封面 视频摘要：基于视频的内容相关度、精彩画面，提取场景片段制作视频摘要 产品优势 准确拆分，采用深度卷积网络与海量视频数据训练、分析，精确拆分、提取不同主题的片段。 准确提取关键帧，使用光流等技术，结合时域特性，基于内容理解和结构分析，准确提取关键帧。

查看更多 →

ModelArts通过自动学习的方式帮助不具备算法开发能力的业务开发者实现算法的开发，基于迁移学习、自动神经网络架构搜索实现模型自动生成，通过算法实现模型训练的参数自动化选择和模型自动调优的自动学习功能，让零AI基础的业务开发者可快速完成模型的训练和部署。依据开发者提供的标注数据及选择

查看更多 →