图像分类算法作为基础的卷积神经网络算法，研究开始的时间比较早，1998年即有LeNet提出，被认为是最早的卷积神经网络模型，但由于当时计算机算力和数据集的限制，没有太优的表现，直至2012年AlexNet的提出，深层的卷积神经网络正式变成研究的热点。图像分类算法的基础结构即上文的卷积神经网络结构：输入层 -> ((卷积层+激活函数)*n -> 池化层)*n -> (全连接层+激活函数) -> 输出

Model Zoo里面包含了TI自研的算法和目前市面上比较成熟的算法，相关的模型列表及依赖的框架可见SDK内的手册地址

现代的图像感知算法由三个组件组成：Backbone、Neck和Head。

现代的图像感知算法由三个组件组成：Backbone、Neck和Head。

现代的图像感知算法由三个组件组成：Backbone、Neck和Head。

MIT联合丰田公司在2020年6月份发布的，用于动态驾驶场景分割的MIT DriveSeg数据集，并提供完全开放的免费下载。：手动标注版本，在马萨诸塞州剑桥市繁忙的街道上白天旅行期间捕获的2分47秒的高分辨率视频，面向车前的逐帧像素级语义标记数据集：半自动标注版本，从MIT高级车辆技术（AVT）联盟数据中提取的67个视频片段，与手动版的区别在于：1）半自动标注(比手动版粗略) 2）帧数更多(201

虚拟局域网，Virtual Local Area Network，通过VLAN id将网络上的节点分组。

Model Zoo里面包含了TI自研的算法和目前市面上比较成熟的算法，相关的模型列表及依赖的框架可见SDK内的手册地址

Model Zoo里面包含了TI自研的算法和目前市面上比较成熟的算法，相关的模型列表及依赖的框架可见SDK内的手册地址

深度学习是机器学习的子集，它基于人工神经网络。学习过程之所以是深度性的，是因为人工神经网络的结构由多个输入、输出和隐藏层构成。每个层包含的单元可将输入数据转换为信息，供下一层用于特定的预测任务。得益于这种结构，机器可以通过自身的数据处理进行学习。