Rockchip lanserar måldetektionsteknologilösning baserad på djupinlärning för att påskynda den kommersiella processen med avancerad ARTIFICIAL intelligens RK3399

Den 16 maj 2018 släppte Rockchip en djupinlärningsbaserad måldetektionsteknologilösning som körs på dess RK3399-chipplattform, som kan tillhandahålla en kvasi-nyckelfärdig lösning för den avancerade AI-industrin för artificiell intelligens och kan stödja både Android- och Linux-system . Måldetekteringshastigheten når mer än 8 bilder/sekund.

Inom området artificiell intelligens är måldetektion en mycket populär forskningsinriktning. Måldetektering syftar på att lokalisera och klassificera målobjekt i bilder eller videor. För maskiner är det svårt att direkt få det abstrakta konceptet och positioneringen av objekt från RGB-pixelmatrisen, vilket medför stora utmaningar för AI-tillämpningar med artificiell intelligens.

För närvarande är de viktigaste forsknings- och utvecklingsriktningarna för artificiell intelligens: ansiktsdetektering, mänsklig kroppsdetektion, fordonsdetektering, tvådimensionell koddetektering och gestigenkänning, etc., som kan användas i stor utsträckning inom övervakning, intelligent transport, ny detaljhandel , naturlig interaktion, etc. Grunden är objektdetekteringsteknik. Måldetektionsteknologin baserad på djupinlärning har hög noggrannhet och robusthet, men beräkningsbelastningen är relativt stor och den kan inte praktiskt implementeras och tillämpas i inbäddade enheter under lång tid.

 

Som svar på AI-marknaden för artificiell intelligens och tekniska behov har Rockchip speciellt optimerat MobileNet SSD-nätverket på den kraftfulla RK3399-plattformen, så att högprecisionen MobileNet SSD300 1.0 körs med en bildhastighet på mer än 8 bildrutor, och MobileNet med något lägre noggrannhet och snabbare hastighet SSD300 0,75 körs med över 11 fps. Den kvasi-realtids körhastigheten tar den grundläggande AI-tekniken för måldetektering till praktisk användning i den inbyggda terminalen.

Utöver sin körhastighet i nästan realtid, stöder den här tekniska lösningen TensorFlow Lite-modellen som exporteras av Googles utbildning TensorFlow Object Detection. För närvarande finns det ett stort antal användningsfall baserade på TensorFlow Object Detection, som täcker alla typer av detektion från ansikte till objekt, vilket är ett av de mest bekväma och populära ramverken för måldetektion inom industrin.



Rockchips teknologilösning för djupinlärning av måldetektering baserad på RK3399-chipplattformen kan stödja Android- eller Linux-system samtidigt, förbättra användarupplevelsen av AI-produkter som använder måldetekteringsteknik, avsevärt förkorta forsknings- och utvecklingscykeln och hjälpa mer avancerad AI intelligenta produkter för att komma ut på marknaden så snart som möjligt.