本公司SiNGRAY相机上搭载的DL推理，可以利用基于TensorFlow、Caffe、Keras和PyTorch框架构建的深度学习网络训练。 大致上，以下两种DL推理可以导入到SiNGRAY照相机中。

■第一种是本公司开发的专用于SiNGRAYNET产业应用的深度学习网络。 目前提供5种( DeNet、SegNet、ClassNet、3DNet和PoseNet )。 这些网络已经进行了精细调整，只要将学习用样本图像和注释数据放入训练服务器，就不需要参数调整等复杂的调整，就可以简单地导出DL推理，用SiNGRAY相机实行。 另外，这些网络由追加学习(增量学习)的结构构成，具有可以根据少量样本构筑DL推论的特征。 SiNGRAYNET学习训练服务器(同时支持本地和云)的构建是另外提供的。具体请向本公司代理店确认。

 

■第二种是客户自己开发的DL网络。 如果是基于TensorFlow、Caffe、Keras和PyTorch框架的网络推论，只要转换为SiNGRAY相机用格式即可使用。另外我们提供了转换工具，也提供Ambarella第三方DL网络转换和优化咨询服务。

这取决于您使用的DL网络的特性，不能一概而论。 但是，原则上，请准备好不良品的样品及良品的样品，样品的种类请尽量广泛分散。

以本公司开发的专门用于外观不良检查(伤痕、污垢、异物等)的SegNet为例，如果有几十张不良样品，就可以训练检测性能高的推论。

我司与AWS合作，为从2月中旬开始购买SiNGRAY AI智能相机的客户提供SiNGRAYNET云培训服务。 向客户上传100张以内的样本图像到SiNGRAYNET训练服务器，免费进行训练。 如需要使用该服务，请经由本公司代理店进行用户注册，使用规定的ID和密钥进行登录，将样本图像和注释数据上传到指定文件夹，一键即可开始训练。

下面是我司推荐的配置，详细请咨询我司或我司的代理公司。

SiNGRAYNet中的一个，对象物检测专用深层学习网络。 适用于输送机上的工件识别、无人仓库的对象商品的检测等。

SiNGRAYNet中的一个，外观检查专用深层学习网络。 适用于缺陷、伤痕、脏污、异物等的检测等。

是的，因为是IP相机，所以可以把在远程服务器上学习到的推论及时传输到SiNGRAY照相机上运用。

这也是我们提倡的“边云协同”的概念。

可以事先准备多个推论文件，在获取图像的过程中切换。

可以。