2017 yilda 3 ta eng zamonaviy AI to'plamlari - Google Vision to'plamining tezkor qo'llanmasi, DeepLens va BerryNet

So'nggi bir necha hafta biz uchun juda qiziqarli bo'ldi. Amazon birinchi chuqur o'rganishga imkon beruvchi DeepLens videokamerasini taqdim etdi. Google o'zining so'nggi AIY loyihasi - Vision to'plamini e'lon qildi. DT42-da, biz har doim eng ilg'or qurilmalarga chuqur o'rganishni kelajakka yo'l ochib berishiga ishonamiz. Shuningdek, biz AI texnologiyasiga nafaqat yirik texnologiyalar gigantlari ustunlik qilishi kerak, ammo hamma uchun tayyor bo'lishi mumkin, deb ishonamiz. Yarim yil oldin BerryNet [1] loyihasini chiqarganimizning sababi shu. BerryNet - AI Gateway FLOSS loyihasi bo'lib, AI quvvatini chekka qurilmalarda chiqaradi.

Ushbu so'nggi 3 ta ajoyib AI qirralarini ko'rish qobiliyatlari bilan - yoki men o'yinchoqlar deyishim kerak, siz hayotingizdagi muammolaringizni hal qilish uchun AI yordamida o'z loyihangizni qurishingiz mumkin. Maymunlar sizning bog'ingiz bilan aralashib, sizning barcha mevalaringizni eyishlariga yo'l qo'ymaslik uchun maymun ogohlantirish kamerasini qurmoqchi bo'lsangiz, aytaylik. Google AIY Vision Kit, DeepLens yoki BerryNet-dan foydalanib qanday choralarni ko'rishingiz kerak?

Bu erda biz qisqa ko'rsatma berishni xohlaymiz.

1-rasm. Maymun signal tizimi

2-rasmda siz turli xil vositalardan foydalangan holda foydalanadigan uskunalar va dasturlarning qisqacha tasviri berilgan.

2-rasm. Maymun signal tizimining asosiy tarkibiy qismlari

Butun Monkey signal tizimi beshta asosiy tarkibiy qismni o'z ichiga oladi: Ma'lumot qabul qiluvchisi: kamera

(a) Ma'lumot oluvchi: kamera
(b) Hisoblash uskunalari: Tensorni hisoblash uchun asosiy apparat komponenti
(c) dasturiy ta'minot tizimi: shu jumladan chuqur o'quv kutubxonalari va mahalliy qurilmalarda ishlaydigan operatsion tizim.
(d) AI modeli: kirish ma'lumotlarini tahlil qilish uchun ishlatiladigan chuqur o'rganish modeli
(e) Signalni ishga tushirish tizimi: aniqlash natijalarini foydalanuvchilarga etkazish

Keyingi bosqichlarda biz uchta vositani alohida ishlatgan holda batafsilroq tushuntirib beramiz.

Google AIY ko'rish to'plami

Rasm 3. Vizyon to'plamidan foydalangan holda tizim tarkibiy qismlari

Siz tayyorlashingiz kerak bo'lgan uskunalar: Pi kamera 2 (a), Vision kit (b), Raspberry Pi nol w.

Qadamlar:
 1 - AIY Project veb-saytidagi [2] ko'rsatmalarga muvofiq to'plamni to'plang va tasvirni (3) SD-kartaga yuklang.
 2 - Maymun detektori sifatida chuqur o'rganish modelini o'rgatish (d) va uni tuzish,
 3 - maymunni aniqlash uchun VisionBonnet-ga o'qitilgan modelni yuklang
 4 - signal (trigger) signalini yaratish va Android App orqali boshqarish uchun SDK-dan foydalaning.

Agar siz aniqlamoqchi bo'lgan ob'ekt allaqachon rasm bilan biriktirilgan bo'lsa, siz shunchaki 2-bosqichni o'tkazib yuborishingiz mumkin.

AWS DeepLens

4-rasm. DeepLens-dan foydalangan holda tizim tarkibiy qismlari

Siz tayyorlashingiz kerak bo'lgan uskunalar: AWS DeepLens, bu (a), (b) va (c) tarkibiy qismlarni o'z ichiga oladi.

Qadamlar:
 1 - Internetda DeepLens-ni ro'yxatdan o'tkazing, ulang va sozlang.
 2 - Maymunlarni aniqlash modelini o'rgatish uchun AWS SageMaker-dan foydalaning (d).
 2.1 DeepLens konsolida "maymunlarni aniqlash loyihasini" yarating
 2.2. 2.1-bosqichda o'rganilgan modelni import qiling va DeepLens-ga loyihani joylashtiring
 3 - Signal triggerini (e) yaratish uchun AWS boshqarish konsolidan foydalaning.

AWS DeepLens-dan foydalanib, boshqa ikkita to'plamdan farqli o'laroq, barcha jihozlarni o'zingiz tayyorlashingiz shart emas. Biroq, bu ham moslashuvchanlikni chekladi.

BerryNet

5-rasm. BerryNet-dan foydalanadigan tizim tarkibiy qismlari

Siz tayyorlashingiz kerak bo'lgan uskunalar: Raspberry Pi 3 (b), IP / Nest / Pi kamerasi (a). Mafidius Neural Compute Sticker-ni inferning ishlashini yaxshilash uchun ham sotib olishingiz mumkin. Qadamlar:

1 - Pul detektori sifatida chuqur o'rganish modelini o'rgatish (d)
 2 - BerryNet (c) ni Raspberry Pi-da o'rgatilgan model bilan o'rnating va sozlang
 3 - ma'lumotlar qabul qiluvchisi sifatida kirish mijozini sozlash (pi kamera, IP-kamera yoki hatto Nest kamerasi bo'lishi mumkin) va signalni qo'zg'atuvchi sifatida chiqish mijozi.

Hozirgi vaqtda modelni tayyorlash foydalanuvchilardan muhitni qo'lda sozlashni talab qiladi. Masalan, maymun detektorini o'rgatish uchun YOLO veb-saytiga [3] rioya qilish. Yaqinda mijozlarga modelni o'rgatish uchun yordam beradigan yangi Epeuva [4] xizmati yaqinlashmoqda. Dastlabki taklifni ro'yxatdan o'tkazish uchun bosing.

Epeuva-da, siz hech qanday kodlashsiz o'zingizning ma'lumotlaringizni va AI-ning moslashtirilgan modellarini olib kelishingiz mumkin. 1-bosqichni takrorlash bilan foydalanuvchilar o'zlari xohlagan aniqlash tizimini osonlikcha tuzishlari mumkin.

Biz chuqur o'rganish va AI hamma uchun va har bir qurilma uchun demokratlashtiriladigan dunyoni tasavvur qilamiz. BerryNet loyihasi GPL-ga litsenziyaga ega, chunki biz fil suyagi minoralaridan AIni olib, hamma uchun ochiq bo'lishini xohlaymiz.

Hisoblash ommaviy tsikllarda bo'lib, markazlashtirilgan tizimdan boshqasiga va yana orqaga qaytdi. AI chekkasi yaqin kelajakda tobora ko'proq foydali dasturlarni ishlab chiqish uchun kalit ekanligiga ishonamiz.

[1] https://github.com/DT42/BerryNet
[2] https://aiyprojects.withgoogle.com/vision#assembly-guide-7-now-what
[3] https://pjreddie.com/darknet/yolo/
[4] http://www.dt42.io/epeuva/index.html#contact-section