reklama
reklama
reklama
reklama
reklama
reklama
reklama
reklama
© steve mann dreamstime.com Technologie | 21 września 2017

Rozpoznawanie obiektów dzięki wykorzystaniu sieci neuronowych

BrainChip wypuszcza na rynek komercyjny swoje najnowsze rozwiązania, pozwalające na bardzo skuteczne i szybkie rozpoznawanie obiektów, na obrazie przekazywanym na żywo. Wykorzystuje w tym celu zaawansowane sieci neuronowe i algorytmy AI, oferując bardzo niskie zużycie energii.
BrainChip Holdings to jeden z czołowych deweloperów rozwiązań oprogramowania i sprzętowych, mających wspierać aplikacje związane ze sztuczną inteligencją (AI) i uczeniem się maszynowym (ML). Najnowszą propozycją od BrainChip jest ich specjalny układ sprzętowy, w postaci gotowego modułu: BrainChip Accelerator.

Akcelerator ten jest oferowany w formie karty PCI-Express z magistralną 8-liniową, mającą stanowić istoty element przy realizacji aplikacji związanych z szybkim i bardzo dokładnym rozpoznawaniem obiektów. Współpracować ma ze środowiskiem BrainChip Studio, zwiększając efektywność pracy tego ostatniego - jak podaje producent - nawet 6-krotnie. Jednocześnie zwiększać ma ilość jednocześnie obsługiwanych kanałów do 16 na kartę.

Karta zużywa niewielkie ilości energii, a jej instalacja ma odbywać się bardzo łatwo, co pozwala usprawnić pracę istniejących systemów monitorowania. Nie wymaga stosowania dodatkowych zasilaczy, ani zmian w systemie chłodzenia. Dzięki niej w prosty sposób zwiększymy możliwości naszego systemu, zwłaszcza tego, w którym już wcześniej uruchamiane były usługi BrainChip.

Dzięki tym rozwiązaniom możliwe będzie usprawnienie pracy nie tylko ochrony, ale też organów prawa oraz służb wywiadowczych. Może bezproblemowo identyfikować obiekty wśród wielu innych, zarówno ze strumieni video wcześniej zarchiwizowanych, jak również tych przekazywanych na żywo.

Dzięki możliwości sprawnej pracy w czasie rzeczywistym, rozwiązania te są w stanie jednocześnie operować na kilku strumieniach video. Proces poszukiwania wybranych elementów krajobrazu będzie więc dużo skuteczniejsze. Dodatkową zaletą ma być redukcja kosztów, w porównaniu do konwencjonalnych rozwiązań.

System posiada funkcję uczenia się z pojedynczych obrazów małej rozdzielczości, nawet tak małych jak 20 na 20 pikseli. Dzięki temu jest w stanie skutecznie pracować w trudnych warunkach, takich jak: słabe oświetlenie, obraz video słabej rozdzielczości, czy też nagrania o dużym zaszumieniu.

BrainChip Accelerator ma stanowić duży krok w rozwoju zastosowań komercyjnych. Kluczem jest tutaj zastosowanie nowoczesnych technologii, takich jak sieci neuronowe i przetwarzanie neuromorficzne, zaprzęgając do pracy algorytmy AI. Sercem jest sześć rdzeni FPGA Xilinx Kintex Ultrascale, w których zaimplementowano nowoczesne rozwiązania BrainChip.

Każdy z rdzeni zapewnia szybkie, zdefiniowane skalowanie obrazu, generowanie odpowiednich danych i porównanie ich z wykorzystaniem sieci neuronowej, w celu skutecznego rozpoznawania obiektów. Skalowanie ma pomóc w zwiększeniu prawdopodobieństwa w odnajdywaniu obiektów, dzięki charakterystyce sieci neuronowej.

Na uwagę zasługuje też niskie zużycie energii całego systemu, dzięki nowatorskiemu podejściu producenta. Każdy z rdzeni zużywać ma około 1 W, przy przetwarzaniu obrazu z prędkością 100 klatek na sekundę. W porównaniu do podobnych rozwiązań opartych na układach GPU, redukcja zużycia energii jest więc nawet 7-krotna.

Moduł BrainChip Accelerator ma być w pełni kompatybilny zarówno z systemem Windows, jak również Linux. Jak podaje producent, rozwiązania te są już teraz chętnie stosowane przez organy prawa i służby bezpieczeństwa.

Komentarze

Zauważ proszę, że komentarze krytyczne są jak najbardziej pożądane, zachęcamy do ich zamieszczania i dalszej dyskusji. Jednak komentarze obraźliwe, rasistowskie czy homofobiczne nie są przez nas akceptowane. Tego typu komentarze będą przez nas usuwane.
reklama
reklama
Załaduj więcej newsów
October 16 2017 14:56 V8.8.6-1