联想将与Scale Computing合作助力零售商应对边缘基础架构挑战

  • 联合解决方案非常适合拥有多个门店运营点和少量现场IT支持的零售商

 

  • 这款可扩展的先进解决方案易于管理且极具成本效益,可替代复杂且昂贵的本地部署基础架构

 

  • 对门店基础架构进行现代化升级,使得零售商能够将ITOT领域相融合

 
北卡罗来纳州三角研究园--(美国商业资讯)--《财富》全球500强公司及推动智能转型的全球科技领军企业联想(HKSE: 992) (ADR: LNVGY)和智能边缘解决方案领域的市场领导者Scale Computing今日宣布,双方将缔结全球合作关系并联合开发新产品,为全球零售商、分布式企业和中小型企业提供边缘基础架构解决方案。
 
该解决方案极其适用于高度分散的本地部署环境,例如零售店或银行支行,其中企业在中央地点统一管理多个运营点。联想广泛的服务器结合Scale Computing的高效智能边缘基础架构软件,将提供可自我修复的、高度可用的简易平台,用于在边缘或混合边缘和云端运行应用。运行于联想服务器上的Scale Computing HC3 Edge平台用现代化解决方案取代传统的复杂且昂贵的本地部署基础架构,此解决方案经优化,适用于应用正常运行时间至关重要但本地部署的IT资源极其有限的环境。
 
联想数据中心业务集团副总裁兼物联网总经理Wilfredo Sotolongo表示:“在当今的全球经济形势下,企业和政府正以更大的智慧发挥优势,因此对可靠、可扩展和敏捷的边缘基础架构解决方案的需求持续增长。联想将携手Scale Computing,通过提供边缘基础架构来满足这一市场需求,这一基础架构具备运行各种IT和OT工作负载的能力,节省空间,并且可以由专员在每个单独的运营点进行管理。这有助于减少管理技术所花费的时间和预算,让公司能够更专注于发展业务和服务客户。”
 
选择联想和Scale Computing边缘基础架构解决方案来满足自身IT需求的客户群正日益壮大,而总部位于荷兰赞丹的国际食品零售集团Ahold Delhaize便是其中一员。该公司主要经营超市和电子商务业务,涉及11个国家的35个品牌、6,600多家门店和超过36.9万名员工,每周为5,000多万客户提供服务。
 
拥有大型跨国零售业务的Ahold Delhaize一直希望减少部署和管理边缘IT基础架构所花费的时间,并且亟需一款能够在同一硬件上托管传统和物联网应用的解决方案。他们最终选择了联想-Scale的解决方案,并将其部署在比利时的800家门店中,并计划于2019年在更多的门店中部署。
 
Ahold Delhaize基础架构创新主管Rolf Vanden Eynde表示:“我们对市场进行了广泛的评估,并希望抓住时机确保新的IT环境能够高效地支持我们的应用和满足未来需求。我们不断寻求提供卓越的国际客户服务,而边缘计算在支持这一点方面发挥着至关重要的作用。Scale Computing HC3软件加之Lenovo服务器和交换机,能够提供我们需要的稳定性、支持和简易性。该解决方案在总体拥有成本和简易性方面超越了竞争对手。”
 
全新的联想/Scale Computing解决方案目前已在全球市场推出并安装。了解有关该解决方案的更多详情,请点击此处
 
如需随时了解联想数据中心业务集团(Lenovo DCG)未来发布的物联网公告
 
关于联想
 
联想 (HKSE: 992) (ADR: LNVGY)是一家营业额达450亿美元的《财富》世界500强公司,是推动全球智能变革,为用户打造能够带来最佳体验的智能设备和基础设施的创新全球科技的领导者。联想的产品智能互联,多样化程度居世界前列,包括智能手机(摩托罗拉)、平板电脑、个人电脑(ThinkPad 品牌、YOGA品牌和拯救者品牌)、工作站以及AR/VR设备和智慧家庭/办公解决方案。联想的数据中心解决方案(包括ThinkSystem和ThinkAgile系列)正不断以容量和计算力,为改变商业和社会的各个连接赋能。联想致力于激发每个人的不凡,创造更加智能美好的未来。
 
关于Scale Computing
 
Scale Computing是面向全球客户供应边缘计算和超融合解决方案的领导者。Scale的HC3软件消除了传统的虚拟化软件、灾备恢复软件、服务器和共享存储,取而代之的是全面整合的高可用性系统,可用于运行应用。HC3自我修复平台采用获专利的HyperCore™技术,可实时自动识别、缓解和纠正基础架构中的问题,让应用程序即使在本地IT资源和员工紧缺时也能实现最长的正常运行时间,使其成为适用于分布式企业、全球零售商和中小型企业(SMB)等的理想应用平台。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值