我們利用tensorflow、keras、caffe或者mxnet訓練好的模型總要移植到嵌入式裝置上去執行，因此需要特定的深度學習優化框架。這些框架會利用彙編指令、特定硬體對計算進行優化，提供計算的速度。同時，這些框架一般都自帶tensorfow、caffe的模型轉換工具，一般不需要很大的努力，這些利用pc、gpu訓練出來的模型就可以在嵌入式裝置上執行起來。
1、paddle-mobile
2、ncnn
3、mace
小公尺的開源移動框架。
4、snpe
高通的深度學習移動框架。
btw：
現在處理影象的軟體和硬體都很多，cpu、gpu、fpga都可以，如果是高階的影象處理，建議使用fpga進行處理。影象目前集中於預處理、分割和識別，其中預處理用fpga，分割使用cpu、識別使用深度學習，這已經是大家達成的基本共識了。
計算機視覺與深度學習公司
深度學習是大資料下最熱門的趨勢之一。上乙個十年是網際網路的時代，下乙個十年將是人工智慧的時代。國內已經產生大量的人工智慧公司，分布在不同的領域。2016年是人工智慧的元年，2017年將迎來 人工智慧 的春天。未來幾年也是人工智慧在金融 醫療 教育等大資料行業以及感知互動領域全面滲透的時期，我們正迎來...
深度學習與計算機視覺六
1.目標檢測演算法簡介 1.1滑窗法 滑窗法的思路及其簡單，需要乙個已經訓練好的分類器，然後把影象按照一定間隔和不同大小分成乙個個窗戶，在這些窗戶上執行分類器，如果得到較高的分類分數，就被認為是檢測到了物體，把每個視窗都用分類器執行一遍之後，再對得到的分數做一些後處理，比如非極大值抑制等，最後就得到...
深度學習與計算機視覺八
1.滑窗法 思路很簡單，首先需要乙個已經訓練好的分類器，然後把影象按照一定間隔和不同的大小分成乙個個視窗，在這些視窗上執行分類器，如果得到較高的分類分數，就認為是檢測到了物體，把每個視窗都用分類器執行一遍之後，再對得到的分數做一些後處理的操作。2.pascal voc map和iou簡介 他是一套用...