用于视频图像处理（对象识别）的硬件
Hardware for image processing (object recognition) from video
我想做的是使用带有摄像头的嵌入式设备识别道路上的标志。我在考虑RaspberryPi 2b，但我不知道它的功率是否足够。我不必分析视频的每一帧，但每秒分析的帧数越多越好，尤其是在高速运动的情况下。
问题是：有没有更好的板可以用于这样的任务？ （最好是他们可以 运行 Linux/Windows10 自己，因为我要使用 openCV）
对于这样的问题，您可以尝试过度分析它，并在解决问题之前尝试选择硬件。但这基本上是本末倒置。
先拍一段视频
第二次将其数字化或将其放入您的日常驱动程序或任何您喜欢的软件开发计算机中
开始研究算法来解决你想解决的任何问题，记住你最终想要嵌入它，所以你可能需要更多地倾向于更轻量级的库或推出你自己的与重量级或依赖操作系统的库解决方案（将其输入 photoshop 不是解决方案，也不是一些 matlab 的东西）。
您可能会发现您需要更好的视频、重要信息
最终你会接近算法，然后或者当你接近算法时，你可以在一些 raspberry pi 或 beaglebone 板上对其进行原型设计，或者如果工时对你来说该硬件更便宜，则可以使用模拟器。每秒或每个标志或其他什么，我认为我可以在平台 X 上每秒执行多少次操作（这不是确定性的，即使通过实验，因为一行代码更改可能会完全改变性能，尤其是如果在边缘）。指令集模拟器不会正确地模仿流水线，但您可以采用开源模拟器并对其进行修改以计算指令或指令类型分支与非分支等。粗略地将其转换为时钟等如果硬件比工时贵。以 raspberry pi 和 beaglebone 黑色或白色的价格，很难不买一个试试。
一个有效的 Whosebug 问题是，我有这个视频剪辑，我正在尝试检测汽车是否通过了路标，这是我的代码，但它不起作用，或者这是我的算法，但它不起作用工作。一旦越过这个障碍，另一个问题可能是，我检测到此框架中有一个标志，但我无法检测到它是停止标志还是让路标志或其他，这是我的算法或代码，这是我的结果和我的预期结果。另一个有效的问题是我有这个有效的算法，但我无法针对平台 X 优化它我接近 N%（例如需要是一个小于 20% 的小数字）是否可以进一步优化。
用于快速对象识别的硬件
您可以将 Raspberry pi 4 与 Google's Usb Accelerator
一起使用
我想做的是使用带有摄像头的嵌入式设备识别道路上的标志。我在考虑RaspberryPi 2b，但我不知道它的功率是否足够。我不必分析视频的每一帧，但每秒分析的帧数越多越好，尤其是在高速运动的情况下。
问题是：有没有更好的板可以用于这样的任务？ （最好是他们可以 运行 Linux/Windows10 自己，因为我要使用 openCV）
对于这样的问题，您可以尝试过度分析它，并在解决问题之前尝试选择硬件。但这基本上是本末倒置。
先拍一段视频
第二次将其数字化或将其放入您的日常驱动程序或任何您喜欢的软件开发计算机中
开始研究算法来解决你想解决的任何问题，记住你最终想要嵌入它，所以你可能需要更多地倾向于更轻量级的库或推出你自己的与重量级或依赖操作系统的库解决方案（将其输入 photoshop 不是解决方案，也不是一些 matlab 的东西）。
您可能会发现您需要更好的视频、重要信息
最终你会接近算法，然后或者当你接近算法时，你可以在一些 raspberry pi 或 beaglebone 板上对其进行原型设计，或者如果工时对你来说该硬件更便宜，则可以使用模拟器。每秒或每个标志或其他什么，我认为我可以在平台 X 上每秒执行多少次操作（这不是确定性的，即使通过实验，因为一行代码更改可能会完全改变性能，尤其是如果在边缘）。指令集模拟器不会正确地模仿流水线，但您可以采用开源模拟器并对其进行修改以计算指令或指令类型分支与非分支等。粗略地将其转换为时钟等如果硬件比工时贵。以 raspberry pi 和 beaglebone 黑色或白色的价格，很难不买一个试试。
一个有效的 Whosebug 问题是，我有这个视频剪辑，我正在尝试检测汽车是否通过了路标，这是我的代码，但它不起作用，或者这是我的算法，但它不起作用工作。一旦越过这个障碍，另一个问题可能是，我检测到此框架中有一个标志，但我无法检测到它是停止标志还是让路标志或其他，这是我的算法或代码，这是我的结果和我的预期结果。另一个有效的问题是我有这个有效的算法，但我无法针对平台 X 优化它我接近 N%（例如需要是一个小于 20% 的小数字）是否可以进一步优化。
用于快速对象识别的硬件
您可以将 Raspberry pi 4 与 Google's Usb Accelerator
一起使用