进行深度学习的视觉系统
深度学习正在计算机视觉应用中迅速发展。人工神经网络(ANN)能提供双重益处。ANN具有的潜力可以提升工厂自动化、机器人或零售应用的精度和耐用度。同时，在基于图像的应用中，ANN还能解决过去无法解决的问题，如显微镜中的病理检测或在表面检测中对复杂模式进行分类。
深度学习与传统图像处理技术的比较
利用神经网络攻克图像处理难题
在图像处理应用中，越来越多的任务中所用的传统算法已经被深度学习所取代，因为它在许多应用中能够带来更好的图像处理效果。卷积神经网络(CNN)等深度神经网络技术尤其适用于某些类型的应用。
阅读《产品洞悉》
工业领域中的FPGA神经网络
FPGA上的神经网络（例如CNN）在工业领域的图像处理任务中取代了传统的方式。如果深度学习技术能够更具针对性、更轻松或更出色地解决相关问题，那么它就可以取代传统的图像处理方法，尤其是在那些存在反射表面等干扰因素的应用中。
阅读《产品洞悉》
借助CNN技术让深度视觉(Deep Vision)成为现实
小型神经网络已足以满足许多视觉应用的需求。因此，FPGA等处理器也可以使用卷积神经网络 (CNN)。如此一来，这就催生了大量分类任务范畴以外的一系列应用，可以在嵌入式视觉系统中使用神经网络技术。
阅读《产品洞悉》
自动化思维 - 机遇与风险
全世界正在投入数十亿美元的资金，在各种社会领域中使用人工智能(AI)。与此同时，有关方面也在正在制定相关法律、标准和道德准则，以确保合理使用这项技术，重点促进它为社会发挥益处。
阅读《产品洞悉》
适用于零售领域的智能支付终端采用AI软件和Basler相机
Basler开发了一款由嵌入式技术和人工智能(AI)软件组成的自动化零售支付终端。这个终端能够迅速对购物车中的产品进行识别和分类，并显示价格。
阅读经典用例使用嵌入式视觉系统进行基于AI的细菌分类
嵌入式技术在诊断和分析领域中的普及速度不断加快。它们功能强大、节省空间且价格亲民。通过加入人工神经网络(ANN)技术，就可以瞬间完成细菌分类任务。
观看经典用例视频
结合3D视觉技术与深度学习软件来实现自动水果识别
Basler和Data Spree已开发出了精度高、功能强大的实时解决方案来进行水果分拣。该视觉系统是基于Basler blaze ToF (Time-of-Flight)相机和Data Spree的深度学习平台。
阅读经典用例
深度学习技术的实际应用：借助Amazon Web Services进行“边缘计算”的视觉芯片
您是否想开发一款嵌入式视觉芯片，使之能够探测并区分物体？Basler已经打造了一款采用深度学习框架的卷积神经网络(CNN)，并将它运用到嵌入式设备中。
阅读经典用例
