NI-DL 應用框架：圖像分類，目標檢測，分割提取。
底層：TensorFlow，Keras，Cuda，C/C++
上層：VC++，C#.NET Winform
源碼編譯，支持本地部署，雲部署。
圖像分類：點擊查看
目標檢測：點擊查看 （本文）
圖像分割：點擊查看
【物體檢測】
識別圖中包含的每個物體的位置、名稱類別、及可信度。
對於樣本圖像的缺陷位置進行標記塗抹，進行訓練，對新圖像就可快速的預測出此圖像中所有的缺陷位置。
【示例1】
以下是對累計43張圖片（使用高拍儀拍攝的不同顏色的燕尾夾圖片），進行燕尾夾的顏色分類標注。
訓練參數如下：
預測結果如下：
【示例2】
【示例3】
對太陽能發電板的缺陷查找檢測
