Rockchip ने हाई-एंड आर्टिफिशियल इंटेलिजेंस RK3399 की व्यावसायिक प्रक्रिया में तेजी लाने के लिए डीप लर्निंग पर आधारित टार्गेट डिटेक्शन टेक्नोलॉजी सॉल्यूशन लॉन्च किया

16 मई, 2018 को, Rockchip ने अपने RK3399 चिप प्लेटफॉर्म पर चलने वाली एक गहन शिक्षण-आधारित लक्ष्य पहचान प्रौद्योगिकी समाधान जारी किया, जो उच्च अंत AI कृत्रिम बुद्धिमत्ता उद्योग के लिए अर्ध-टर्नकी समाधान प्रदान कर सकता है, और Android और Linux सिस्टम दोनों का समर्थन कर सकता है। . लक्ष्य पहचान दर 8 फ्रेम/सेकेंड से अधिक तक पहुंचती है।

कृत्रिम बुद्धिमत्ता के क्षेत्र में, लक्ष्य का पता लगाना एक बहुत ही लोकप्रिय शोध दिशा है। टारगेट डिटेक्शन से तात्पर्य तस्वीरों या वीडियो में लक्ष्य वस्तुओं का पता लगाने और वर्गीकृत करने से है। मशीनों के लिए, आरजीबी पिक्सेल मैट्रिक्स से अमूर्त अवधारणा और वस्तुओं की स्थिति को सीधे प्राप्त करना मुश्किल है, जो एआई कृत्रिम बुद्धिमत्ता अनुप्रयोगों के लिए बड़ी चुनौतियाँ लाता है।

वर्तमान में, कृत्रिम बुद्धिमत्ता प्रौद्योगिकी के मुख्य अनुसंधान और विकास दिशाएँ हैं: चेहरे का पता लगाना, मानव शरीर का पता लगाना, वाहन का पता लगाना, द्वि-आयामी कोड का पता लगाना और इशारा पहचान, आदि, जिनका व्यापक रूप से निगरानी, ​​​​बुद्धिमान परिवहन, नए खुदरा क्षेत्र में उपयोग किया जा सकता है। , प्राकृतिक संपर्क, आदि। आधार वस्तु का पता लगाने की तकनीक है। डीप लर्निंग पर आधारित टारगेट डिटेक्शन तकनीक में उच्च सटीकता और मजबूती है, लेकिन कम्प्यूटेशनल लोड अपेक्षाकृत बड़ा है, और इसे लंबे समय तक व्यावहारिक रूप से एम्बेडेड उपकरणों में तैनात और लागू नहीं किया जा सकता है।

 

एआई आर्टिफिशियल इंटेलिजेंस बाजार और तकनीकी जरूरतों के जवाब में, रॉकचिप ने शक्तिशाली आरके3399 प्लेटफॉर्म पर मोबाइलनेट एसएसडी नेटवर्क को विशेष रूप से अनुकूलित किया है, ताकि उच्च-सटीक मोबाइलनेट एसएसडी300 1.0 8 से अधिक फ्रेम की फ्रेम दर पर चलता है, और मोबाइलनेट के साथ थोड़ी कम सटीकता और तेज़ गति SSD300 0.75 11 fps से अधिक पर चलती है। अर्ध-वास्तविक समय चलने वाली गति एम्बेडेड टर्मिनल में व्यावहारिक उपयोग के लिए लक्ष्य का पता लगाने की बुनियादी एआई तकनीक लाती है।

अपनी अर्ध-वास्तविक समय चलने की गति के अलावा, यह तकनीकी समाधान Google के TensorFlow ऑब्जेक्ट डिटेक्शन प्रशिक्षण द्वारा निर्यात किए गए TensorFlow Lite मॉडल का समर्थन करता है। वर्तमान में, TensorFlow ऑब्जेक्ट डिटेक्शन पर आधारित बड़ी संख्या में उपयोग के मामले हैं, जो चेहरे से ऑब्जेक्ट तक सभी प्रकार के डिटेक्शन को कवर करते हैं, जो उद्योग में सबसे सुविधाजनक और लोकप्रिय टारगेट डिटेक्शन फ्रेमवर्क में से एक है।



RK3399 चिप प्लेटफॉर्म पर आधारित Rockchip का डीप लर्निंग टार्गेट डिटेक्शन टेक्नोलॉजी सॉल्यूशन एक ही समय में Android या Linux सिस्टम को सपोर्ट कर सकता है, टारगेट डिटेक्शन टेक्नोलॉजी का उपयोग करके AI उत्पादों के उपयोगकर्ता अनुभव में सुधार कर सकता है, अनुसंधान और विकास चक्र को बहुत छोटा कर सकता है, और अधिक उच्च अंत AI की मदद कर सकता है। बुद्धिमान उत्पाद जितनी जल्दी हो सके बाजार में आने के लिए।