A Rockchip bevezeti a mély tanuláson alapuló célérzékelési technológiai megoldást, hogy felgyorsítsa az RK3399 csúcskategóriás MESTERSÉGES intelligencia kereskedelmi folyamatát

2018. május 16-án a Rockchip kiadott egy mély tanuláson alapuló célérzékelési technológiai megoldást, amely az RK3399 chipplatformján fut, amely kvázi kulcsrakész megoldást nyújthat a csúcskategóriás AI mesterséges intelligencia ipar számára, és Android és Linux rendszereket is támogathat. . A célérzékelési sebesség több mint 8 képkocka/másodperc.

A mesterséges intelligencia területén a célfelderítés nagyon népszerű kutatási irány. A célfelismerés a célobjektumok helyének meghatározására és osztályozására vonatkozik képeken vagy videókon. A gépek számára nehéz az RGB pixelmátrixból közvetlenül megszerezni az absztrakt fogalmat és az objektumok pozicionálását, ami nagy kihívásokat jelent az AI mesterséges intelligencia alkalmazásai számára.

Jelenleg a mesterséges intelligencia technológia fő kutatási és fejlesztési irányai: arcfelismerés, emberi test felismerés, járműdetektálás, kétdimenziós kódfelismerés és gesztusfelismerés stb., amelyek széles körben alkalmazhatók megfigyelésben, intelligens közlekedésben, új kiskereskedelemben. , természetes kölcsönhatás stb. Az alap a tárgyfelismerő technológia. A mélytanuláson alapuló célérzékelési technológia nagy pontossággal és robusztussággal rendelkezik, de a számítási terhelés viszonylag nagy, és beágyazott eszközökben gyakorlatilag nem telepíthető és alkalmazható hosszú ideig.

 

Az AI mesterséges intelligencia piacára és a technikai igényekre reagálva a Rockchip kifejezetten optimalizálta a MobileNet SSD hálózatot az erős RK3399 platformon, így a nagy pontosságú MobileNet SSD300 1.0 több mint 8 képkocka sebességgel fut, a MobileNet pedig valamivel alacsonyabb pontosság és gyorsabb SSD300 0,75 több mint 11 képkocka/mp sebességgel fut. A kvázi valós idejű futási sebesség a célfelismerés alapvető mesterséges intelligenciájának technológiáját praktikusan használhatóvá teszi a beágyazott terminálban.

A kvázi valós idejű futási sebesség mellett ez a technikai megoldás támogatja a Google TensorFlow Object Detection tréningje által exportált TensorFlow Lite modellt. Jelenleg nagyszámú felhasználási eset létezik a TensorFlow objektumészlelésen alapuló, az arctól az objektumig történő észlelés minden fajtájára kiterjedően, amely az egyik legkényelmesebb és legnépszerűbb célfelismerési keretrendszer az iparágban.



A Rockchip RK3399 chipplatformon alapuló mélytanuló célfelismerési technológiai megoldása egyszerre támogatja az Android vagy a Linux rendszert, javítja az AI-termékek felhasználói élményét a célfelismerési technológiával, jelentősen lerövidíti a kutatási és fejlesztési ciklust, és több csúcskategóriás mesterséges intelligenciát is segíthet. intelligens termékek a lehető leghamarabb piacra kerüljenek.