機器學習最重要的應用之一是嵌入式機器視覺領域，各類系統正在從視覺使能系統演進為視覺引導自動化系統。嵌入式視覺應用與其他更簡單的機器學習應用的區別在於它們採用二維輸入格式。在眾多機器學習應用中極為常用的神經網路是深度神經網路 (dnn)。這類神經網路擁有多個隱藏層，能實現更複雜的機器學習任務。
在機器學習實現方案中，通過使用稱為卷積神經網路 (cnn) 的網路結構，因為它們能夠處理二維輸入。cnn 是一類前饋網路，內建多個卷積層和子取樣層以及乙個單獨的全連通網路，以執行最終分類。鑑於 cnn 的複雜性，它們也歸屬深度學習類別。在卷積層中，輸入影象被細分為一系列重疊的小模組。在進行進一步的子取樣和其它階段之前，該卷積的結果先通過啟用層建立啟用圖，然後應用到最終的全連通網路上。cnn 網路的具體定義因實現的網路架構而異，但它一般會包含至少下列元：
卷積 – 用於識別影象中的特徵
修正線性單元(relu)- 用於在卷積後建立啟用圖的啟用層
最大池化 – 在層間進行子取樣
全連通 - 執行最終分類
這些元中每乙個元的權重通過訓練決定，同時 cnn 的優勢之一在於訓練網路相對容易。通過訓練生成權重需要龐大的影象集，其中既有需要檢測的物件，也有偽影象。這樣能讓我們為 cnn 建立所需的權重。由於訓練流程中所涉及的處理要求，訓練流程一般執行在提供高效能計算的雲處理器上。
框架機器學習是乙個複雜的課題，尤其是在每次不得不從頭開始，定義網路、網路架構和生成訓練演算法的時候。為幫助工程師實現網路和訓練網路，有一些行業標準框架可供使用，例如 caffe 和 tensor flow。caffe 框架為機器學習開發人員提供各種庫、模型和 c++ 庫內的預訓練權重，同時提供 python 和 matlab 繫結。該框架能讓使用者無需從頭開始即能建立網路並訓練網路，以開展所需的運算。為便於重複使用,caffe 使用者能通過 model zoo 共享自己的模型。model zoo 提供多種能根據所需的專門任務實現和更新的模型。這些網路和權重定義在 prototxt 檔案中。在用於機器學習環境時，prototxt 檔案是用於定義推斷引擎的檔案。
嵌入式機器視覺與工業製造業
隨著越來越多的製造商採用工業4.0模型，工業市場對視覺系統的需求也將增長。在這個新時代，製造商將整合先進的機械人技術 機器學習 3d深度測繪和工業物聯網，以提高組織和生產能力。機器視覺系統長期以來一直是嵌入式視覺領域最有前途的應用之一。機器視覺技術是最成熟和眾多應用之一，它廣泛用於製造過程和質量管理...
嵌入式機器視覺系統逐漸被看好
機器視覺可說是工業自動化系統的靈魂之窗，從物件 條碼辨識 產品檢測 外觀尺寸量測到機械手臂 傳動裝置定位，都是機器視覺技術可以發揮的舞台。機器視覺長期以來用於工業自動化系統中，以通過取代傳統上的人工檢查來提高生產質量和產量。視覺的使用並不僅僅在工業自動化領域 我們也看到了相機在日常生活中的大量應用，...
嵌入式學習
1 c 語言 第二版譚浩強。2 資料結構 c語言版。3 實用 c 程式設計 4 學習51 微控制器，加深對中斷的理解。5 學習 arm微控制器。1 細讀 arm微控制器基礎與實戰 周立功編寫。2 細讀相關晶元的原版英文文件。如 arm920te.pdf s3c2410 1.2.pdf。6 學習uco...