TYS252012L220M-10，电感，电磁线圈，扼流圈 > 固定值电感，TYS252012L220M-10规格型号主要参数，TYS252012L220M-10生产厂家/知名品牌/封裝生产批号/价钱 - 创唯电子网
TYS252012L220M-10 - FIXED IND 22UH 380MA 1.824 OHM
Laird-Signal Integrity Products TYS252012L220M-10
声明：图片仅供参考，请以实物为准！
制造商： Laird-Signal Integrity Products
制造商产品编号：TYS252012L220M-10
仓库库存编号：240-2621-1-ND
描述：FIXED IND 22UH 380MA 1.824 OHM
ROHS：无铅 / 符合限制有害物质指令(RoHS)规范要求
湿气敏感性等级（MSL）：1（无限）
详细描述：22μH Shielded Inductor 380mA 1.824 Ohm Max 1008 (2520 Metric)
欢迎来电咨询哟~
订购热线： 400-900-3095 0755-21000796, QQ:800152669, Email:sales@szcwdz.com
公司简介
深圳市创唯电子有限公司成立于2011年，本企业是一间半导体芯片为主要的贸易公司。我企业是专业运营全球知名品牌IC，具备与众不同的经营思想！企业必备有很多现货交易，可为您带来偏小众、工业型电子器件。企业自自主创业生效日，塑造出“一流人才、顶级管理方法、顶级技术性、顶级服务项目”的发展趋势战略方针，坚持不懈“勤奋自主创新、高新科技管理方法、独特运营”的标准，另外企业遵照经济规律，逐步完善公司的运营管理和产品品质，企业现阶段有着出色的技术性优秀人才多位，将来企业将尽心尽意为社会各界顾客出示高品质的服务项目，及具备竞争比较高的价钱。人们秉着以垄断竞争市场为核心理念：“诚实守信、技术专业、热情”为服务宗旨，发展更大的营销方式，扩张市场份额，发掘潜在性的创业商机，与合作方们相互稳步发展。TYS252012L220M-10,TYS252012L220M-10电子元器件,TYS252012L220M-10-Laird
主营业务范畴：TI NS LT ON ST MAXIM ADI NEC ATMEL ALTERA XILINX CYPRESS FREESCALE
| 数据列表 | |
|---|---|
| 类别 | 电感器，线圈，扼流圈 |
| 固定值电感器 | |
| 制造商 | Laird-Signal Integrity Products |
| 系列 | TYS252012L |
| 包装 | 剪切带（CT） |
| 零件状态 | 在售 |
| 类型 | - |
| 材料 - 磁芯 | - |
| 电感 | 22μH |
| 容差 | ±20% |
| 额定电流 | 380mA |
| 电流 - 饱和值 | 530mA |
| 屏蔽 | 屏蔽 |
| DC 电阻（DCR） | 1.824 欧姆最大 |
| 不同频率时的 Q 值 | - |
| 频率 - 自谐振 | 20MHz |
| 等级 | - |
| 工作温度 | -40°C ~ 125°C |
| 频率 - 测试 | 100kHz |
| 安装类型 | 表面贴装 |
| 封装/外壳 | 1008（2520 公制） |
| 供应商器件封装 | 1008（2520 公制） |
| 大小/尺寸 | 0.098" 长 x 0.079" 宽（2.50mm x 2.00mm） |
| 高度 - 安装（最大值） | 0.039"（1.00mm） |
| 标准包装 | 1 |
| 其它名称 | 240-2621-1 |
深扒面部识别60年技术性发展历程（附中国面部识别高新科技企业名录）
“他来听我的巡回演唱,门票费换了手拷两只”。近期歌神张学友变阿 SIR，巡回演唱上不断捉到犯罪分子，将人脸识别系统又一回推来到大家的视野中。应说人脸识别系统的暴发，当属上年 9 月iPhone iPhone x 的公布，已不必须指纹识别，只必须扫描仪脸部就能够轻轻松松解锁手机。一切技术性如果进到智能机这一市场的需求，特别是在是被iPhone这一代表性的知名品牌选用，就代表它将变成这种发展趋势，1个智能产品的标准配置。
在智能机迅速掘起的这两年，其密码挂锁亲身经历了从数字密码、手式开启到指纹验证的升級，发展趋势到现如今的虹膜识别和面部识别。能够意料的是，因为全方位显示屏的普及化和更加安全性、方便快捷的 FaceID 技术性的出現，在没多久的未来，指纹验证也将被智能机生产商们所抛下，进行它的历史使命感。
那麼面部识别究竟是这项如何的技术性，新一期《趣高新科技》，与非网网编就将带大伙儿走入面部识别，聊一聊此项高科技。
面部识别是什么玩意？
人脸识别系统，是根据人的面部特点信息内容开展身份核查的这种生物识别。用监控摄像头或监控摄像头收集带有面部的图象或视频流，并全自动在图象中检验和追踪面部，从而对检验到的面部开展面部的一连串有关技术性，一般 也称为人像图片鉴别、人脸识别。传统式的人脸识别系统关键是根据不可见光图象的面部识别，这都是大家了解的鉴别方法。简易的而言就是说1个让电子计算机认出来你的全过程。
人脸识别系统关键是根据面部图象特点的获取与比照来开展的。人脸识别技术将获取的面部图象的特点统计数据与数据库查询中储存的特点模版开展检索配对，根据设置1个阀值，当相似性超出这一阀值，则把配对获得的結果輸出。将待鉴别的面部特点与已获得的面部特点模版开展较为，依据类似水平对面部的身份证信息开展分辨。这一全过程又分成两大类：一种是确定，是1对1开展图象较为的全过程，另一种是分辨，是英语一对一开展图像匹配比照的全过程。TYS252012L220M-10,TYS252012L220M-10电子元器件,TYS252012L220M-10-Laird
理论的面部识别具体包含搭建人脸识别技术的一连串有关技术性，包含面部图象收集、面部精准定位、面部识别预备处理、真实身份确定及其真实身份搜索等；而范畴的面部识别专指根据面部开展真实身份确定或是真实身份搜索的技术性或系统软件。
人脸识别系统发展趋势
早就在 20 新世纪 50 时代，认知能力生物学家就已下手对面部识别进行科学研究。20 新世纪 60 时代，面部识别产品化运用科学研究正式启动。那时候的方式关键运用了面部的几何图形构造，根据剖析面部人体器官特点点以及中间的拓扑关系开展识别。这类方式简易形象化，可是如果面部姿势、小表情变化很大，则精密度比较严重降低。
1991 年，知名的“特点脸”方式初次将主成分分析和统计分析特点技术性导入面部识别，在好用实际效果上获得了长久的发展。这一构思也在事后科学研究中获得深化发扬，比如，Belhumer 取得成功将 Fisher 辨别规则运用于面部归类，明确提出了根据线形判别分析的 Fisherface 方式。
由剑桥面部uci数据集的特点溶解得到的前4个特征向量
21 新世纪的前10年，随之深度学习基础理论的发展趋势，学家们陆续探寻出了根据遗传算法、支持向量机（Support Vector Machine， SVM）、boosting、流形学习培训及其核方式等开展面部识别。 2009 年至 2012 年，稀少表述（Sparse Representation）由于其幽美的基础理论和对挡住要素的鲁棒性变成那时候的科学研究网络热点
此外，业内也基础达成协议：根据人工服务精心策划的部分叙述子开展特征提取和子空间方式开展数据预处理可以获得最好是的鉴别实际效果。Gabor 及 LBP 特征描述子是目前为止在面部识别行业更为取得成功的二种人工服务设计方案部分叙述子。这期内，对各种各样面部识别影响因子的目的性解决都是哪部环节的科学研究网络热点，例如面部阳光照射归一化、面部姿势效正、面部超辨别及其挡住解决等。都是在这里一环节，学术研究的侧重点刚开始从受到限制情景下的面部识别迁移到非受到限制自然环境下的面部识别。LFW 面部识别公布比赛再此背景图下刚开始时兴，那时候最好是的识别技术虽然在受到限制的 FRGC 检测集可以获得 99%左右的鉴别精密度，可是在 LFW 上的最大精密度只是在 80%上下，间距好用看上去间距颇远。
2013 年，MSRA 的学术研究首次试着了 10 万经营规模的大训炼统计数据，并根据高维 LBP 特点和 Joint Bayesian 方式在 LFW 上得到了 95.17%的精密度。这一結果表
2014 年前后左右，随之互联网大数据和深度神经网络的发展趋势，神经元网络重受注目，并在图象归类、手写体鉴别、语音识别技术等运用中得到了远超經典方式的結果。香港中文大学的 Sun Yi 等明确提出将卷积神经网络运用到面部识别上，选用 20 万训炼统计数据，在 LFW 上初次获得超出人们水准的鉴别精密度，它是面部识别发展趋势在历史上的一幢里程碑式。
此后以后，学术研究们不断完善网络架构，另外扩张训练样本经营规模，将 LFW 上的鉴别精密度推倒 99.5%左右。如表 1 图示，人们得出了面部识别发展趋势全过程中某些經典的方式以及在 LFW 上的精密度，1个基础的发展趋势是：训炼统计数据经营规模愈来愈大，鉴别精密度愈来愈高。
面部识别前十名核心技术
1、图像识别（Face Detection）
“图像识别(Face Detection)”的功效就是说要检验出图象中面部地理位置。
图像识别优化算法的键入是一張图象，輸出是面部框座标编码序列，实际結果是 0 本人脸框或 1 本人脸框或好几个面部框。輸出的面部座标框能够为方形、矩形框等。
图像识别优化算法的基本原理简易而言是1个“扫描仪”加“判断”的全过程。即最先在全部图象范围之内扫描仪，再逐一判断备选地区是不是面部的全过程。因而图像识别优化算法的计算速度会跟图象规格尺寸及其图象內容有关。在具体优化算法时，人们能够根据设定“键入图象规格”、或“最少脸规格限定”、“面部总数限制”的方法来加快优化算法。
2、面部配准(Face Alignment)
“面部配准(Face Alignment)”所保持的目地是精准定位出人脸部面部关键环节座标。
面部配准优化算法的键入是“一張面部图象”和“面部座标框”，輸出是面部关键环节的座标编码序列。面部关键环节的总数是事先设置好的1个固定不动标值，普遍的有 5 点、68 点、90 点这些。
当今实际效果的不错的某些面部配准技术性基础根据深度神经网络架构保持。这种方式全是根据图像识别的座标框，按某类事前设置标准将面部地区抠取下来，缩放进固定不动规格，随后开展关键环节部位的测算。另一个，相对性于图像识别，或是是后边将提及的面部特征提取的全过程，面部配准优化算法的测算用时必须少许多。
举例子：键入图象及其輸出結果以下，翠绿色小圆圈标明出了面部部位。
3、面部特性鉴别(Face Attribute)
“面部特性鉴别(Face Attribute)”是鉴别出面部的性別、年纪、姿势、小表情等特性值的这项技术性。这在一些照相机 APP 中有一定的运用，能够自动检索监控摄像头视线中角色的性別、年纪等特点并标明出去。
通常的面部特性鉴别优化算法的键入是“一張面部图”和“面部面部关键环节座标”，輸出是面部相对的特性值。面部特性鉴别优化算法通常会依据面部面部关键环节座标将面部两端对齐，实际全过程为转动、放大、抠取等实际操作后，将面部调节到预订的尺寸和形状，便于以后开展特性剖析。
面部的特性鉴别包含性別鉴别、年纪估算、表情识别、姿势鉴别、头型鉴别这些层面。
猜你还喜欢
