Rockchip lancerer måldetektionsteknologiløsning baseret på dyb læring for at fremskynde den kommercielle proces med avanceret ARTIFICIAL intelligens RK3399

Den 16. maj 2018 udgav Rockchip en deep learning-baseret måldetektionsteknologiløsning, der kører på sin RK3399-chipplatform, som kan levere en quasi-nøglefærdig løsning til den avancerede AI kunstig intelligens-industri og kan understøtte både Android- og Linux-systemer . Måldetektionshastigheden når mere end 8 billeder/sekund.

Inden for kunstig intelligens er måldetektion en meget populær forskningsretning. Måldetektion refererer til at lokalisere og klassificere målobjekter i billeder eller videoer. For maskiner er det vanskeligt direkte at opnå det abstrakte koncept og positionering af objekter fra RGB-pixelmatrixen, hvilket bringer store udfordringer til AI kunstig intelligens-applikationer.

På nuværende tidspunkt er de vigtigste forsknings- og udviklingsretninger for kunstig intelligens-teknologi: ansigtsdetektion, menneskelig kropsdetektion, køretøjsdetektion, todimensionel kodedetektion og gestusgenkendelse osv., som kan bruges i vid udstrækning i overvågning, intelligent transport, ny detailhandel , naturlig interaktion osv. Grundlaget er objektdetektionsteknologi. Måldetektionsteknologien baseret på deep learning har høj nøjagtighed og robusthed, men den beregningsmæssige belastning er relativt stor, og den kan praktisk talt ikke implementeres og anvendes i indlejrede enheder i lang tid.

 

Som svar på AI-markedet for kunstig intelligens og tekniske behov har Rockchip specielt optimeret MobileNet SSD-netværket på den kraftfulde RK3399-platform, så det højpræcisions MobileNet SSD300 1.0 kører med en billedhastighed på mere end 8 billeder, og MobileNet med lidt lavere nøjagtighed og hurtigere hastighed SSD300 0,75 kører med over 11 fps. Kørehastigheden i næsten realtid bringer den grundlæggende AI-teknologi til måldetektion til praktisk brug i den indlejrede terminal.

Ud over dens næsten realtids-løbehastighed, understøtter denne tekniske løsning TensorFlow Lite-modellen, der eksporteres af Googles TensorFlow Object Detection-træning. På nuværende tidspunkt er der et stort antal use cases baseret på TensorFlow Object Detection, der dækker alle former for Detection fra ansigt til Object, som er en af ​​de mest bekvemme og populære target Detection-frameworks i industrien.



Rockchips deep learning-måldetektionsteknologiløsning baseret på RK3399-chipplatformen kan understøtte Android- eller Linux-systemer på samme tid, forbedre brugeroplevelsen af ​​AI-produkter ved hjælp af måldetektionsteknologi, i høj grad forkorte forsknings- og udviklingscyklussen og hjælpe mere avanceret AI intelligente produkter kommer på markedet hurtigst muligt.