Rockchip melancarkan penyelesaian teknologi pengesanan sasaran berdasarkan pembelajaran mendalam untuk mempercepatkan proses komersial kecerdasan TIRUAN mewah RK3399

Pada 16 Mei 2018, Rockchip mengeluarkan penyelesaian teknologi pengesanan sasaran berasaskan pembelajaran mendalam yang dijalankan pada platform cip RK3399nya, yang boleh menyediakan penyelesaian kuasi Turnkey untuk industri kecerdasan buatan AI yang canggih, dan boleh menyokong kedua-dua sistem Android dan Linux. . Kadar pengesanan sasaran mencapai lebih daripada 8 bingkai/saat.

Dalam bidang kecerdasan buatan, pengesanan sasaran adalah arah penyelidikan yang sangat popular. Pengesanan sasaran merujuk kepada mengesan dan mengelaskan objek sasaran dalam gambar atau video. Untuk mesin, sukar untuk mendapatkan konsep abstrak dan kedudukan objek secara langsung daripada matriks piksel RGB, yang membawa cabaran hebat kepada aplikasi kecerdasan buatan AI.

Pada masa ini, arahan penyelidikan dan pembangunan utama teknologi kecerdasan buatan ialah: pengesanan muka, pengesanan badan manusia, pengesanan kenderaan, pengesanan kod dua dimensi dan pengecaman isyarat, dan lain-lain, yang boleh digunakan secara meluas dalam pemantauan, pengangkutan pintar, runcit baharu , interaksi semula jadi, dsb. Asasnya ialah teknologi pengesanan objek. Teknologi pengesanan sasaran berdasarkan pembelajaran mendalam mempunyai ketepatan dan keteguhan yang tinggi, tetapi beban pengiraan agak besar, dan ia tidak boleh digunakan secara praktikal dan digunakan dalam peranti terbenam untuk masa yang lama.

 

Sebagai tindak balas kepada pasaran kecerdasan buatan AI dan keperluan teknikal, Rockchip telah mengoptimumkan khas rangkaian MobileNet SSD pada platform RK3399 yang berkuasa, supaya MobileNet SSD300 1.0 berketepatan tinggi berjalan pada kadar bingkai lebih daripada 8 bingkai, dan MobileNet dengan ketepatan sedikit lebih rendah dan kelajuan lebih pantas SSD300 0.75 berjalan pada lebih 11 fps. Kelajuan larian kuasi-masa nyata membawa teknologi AI asas pengesanan sasaran kepada kegunaan praktikal dalam terminal terbenam.

Sebagai tambahan kepada kelajuan larian separa-masa nyata, penyelesaian teknikal ini menyokong model TensorFlow Lite yang dieksport oleh latihan Pengesanan Objek TensorFlow Google. Pada masa ini, terdapat sejumlah besar kes penggunaan berdasarkan Pengesanan Objek TensorFlow, meliputi semua jenis Pengesanan dari muka ke Objek, yang merupakan salah satu rangka kerja Pengesanan sasaran yang paling mudah dan popular dalam industri.



Penyelesaian teknologi pengesanan sasaran pembelajaran mendalam Rockchip berdasarkan platform cip RK3399 boleh menyokong sistem Android atau Linux pada masa yang sama, meningkatkan pengalaman pengguna produk AI menggunakan teknologi pengesanan sasaran, memendekkan kitaran penyelidikan dan pembangunan, serta membantu AI yang lebih tinggi. produk pintar untuk mencapai pasaran secepat mungkin.