రాక్‌చిప్ హై-ఎండ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ RK3399 యొక్క వాణిజ్య ప్రక్రియను వేగవంతం చేయడానికి లోతైన అభ్యాసం ఆధారంగా లక్ష్య గుర్తింపు సాంకేతిక పరిష్కారాన్ని ప్రారంభించింది

మే 16, 2018న, రాక్‌చిప్ దాని RK3399 చిప్ ప్లాట్‌ఫారమ్‌లో డీప్ లెర్నింగ్-బేస్డ్ టార్గెట్ డిటెక్షన్ టెక్నాలజీ సొల్యూషన్‌ను విడుదల చేసింది, ఇది హై-ఎండ్ AI ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిశ్రమకు పాక్షిక-టర్న్‌కీ పరిష్కారాన్ని అందించగలదు మరియు Android మరియు Linux సిస్టమ్‌లకు మద్దతు ఇవ్వగలదు. . లక్ష్య గుర్తింపు రేటు 8 ఫ్రేమ్‌లు/సెకను కంటే ఎక్కువ చేరుకుంటుంది.

కృత్రిమ మేధస్సు రంగంలో, లక్ష్యాన్ని గుర్తించడం అనేది చాలా ప్రజాదరణ పొందిన పరిశోధన దిశ. లక్ష్య గుర్తింపు అనేది చిత్రాలు లేదా వీడియోలలో లక్ష్య వస్తువులను గుర్తించడం మరియు వర్గీకరించడాన్ని సూచిస్తుంది. యంత్రాల కోసం, RGB పిక్సెల్ మ్యాట్రిక్స్ నుండి వస్తువుల యొక్క వియుక్త భావన మరియు స్థానాలను నేరుగా పొందడం కష్టం, ఇది AI కృత్రిమ మేధస్సు అనువర్తనాలకు గొప్ప సవాళ్లను తెస్తుంది.

ప్రస్తుతం, కృత్రిమ మేధస్సు సాంకేతికత యొక్క ప్రధాన పరిశోధన మరియు అభివృద్ధి దిశలు: ముఖాన్ని గుర్తించడం, మానవ శరీరాన్ని గుర్తించడం, వాహన గుర్తింపు, ద్వి-మితీయ కోడ్ గుర్తింపు మరియు సంజ్ఞ గుర్తింపు మొదలైనవి, వీటిని పర్యవేక్షణ, తెలివైన రవాణా, కొత్త రిటైల్‌లో విస్తృతంగా ఉపయోగించవచ్చు. , సహజ సంకర్షణ, మొదలైనవి ఆధారం వస్తువు గుర్తింపు సాంకేతికత. లోతైన అభ్యాసంపై ఆధారపడిన లక్ష్యాన్ని గుర్తించే సాంకేతికత అధిక ఖచ్చితత్వం మరియు పటిష్టతను కలిగి ఉంటుంది, అయితే గణన లోడ్ సాపేక్షంగా పెద్దది, మరియు ఇది ఆచరణాత్మకంగా అమలు చేయబడదు మరియు ఎక్కువ కాలం పొందుపరిచిన పరికరాలలో వర్తించదు.

 

AI కృత్రిమ మేధస్సు మార్కెట్ మరియు సాంకేతిక అవసరాలకు ప్రతిస్పందనగా, Rockchip ప్రత్యేకంగా శక్తివంతమైన RK3399 ప్లాట్‌ఫారమ్‌లో MobileNet SSD నెట్‌వర్క్‌ను ఆప్టిమైజ్ చేసింది, తద్వారా అధిక-నిర్దిష్ట MobileNet SSD300 1.0 8 ఫ్రేమ్‌ల కంటే ఎక్కువ ఫ్రేమ్ రేటుతో నడుస్తుంది మరియు MobileNet దీనితో కొంచెం తక్కువ ఖచ్చితత్వం మరియు వేగవంతమైన వేగం SSD300 0.75 కంటే ఎక్కువ 11 fps వద్ద నడుస్తుంది. క్వాసి-రియల్-టైమ్ రన్నింగ్ స్పీడ్ ఎంబెడెడ్ టెర్మినల్‌లో ప్రాక్టికల్ వినియోగానికి లక్ష్యాన్ని గుర్తించే ప్రాథమిక AI సాంకేతికతను తీసుకువస్తుంది.

దాని పాక్షిక-నిజ-సమయ రన్నింగ్ వేగంతో పాటు, ఈ సాంకేతిక పరిష్కారం Google యొక్క TensorFlow ఆబ్జెక్ట్ డిటెక్షన్ శిక్షణ ద్వారా ఎగుమతి చేయబడిన TensorFlow లైట్ మోడల్‌కు మద్దతు ఇస్తుంది. ప్రస్తుతం, పరిశ్రమలో అత్యంత అనుకూలమైన మరియు జనాదరణ పొందిన టార్గెట్ డిటెక్షన్ ఫ్రేమ్‌వర్క్‌లలో ఒకటైన ముఖం నుండి వస్తువు వరకు అన్ని రకాల డిటెక్షన్‌లను కవర్ చేసే టెన్సర్‌ఫ్లో ఆబ్జెక్ట్ డిటెక్షన్ ఆధారంగా పెద్ద సంఖ్యలో వినియోగ కేసులు ఉన్నాయి.



RK3399 చిప్ ప్లాట్‌ఫారమ్‌పై ఆధారపడిన Rockchip యొక్క లోతైన అభ్యాస లక్ష్య గుర్తింపు సాంకేతిక పరిష్కారం అదే సమయంలో Android లేదా Linux సిస్టమ్‌కు మద్దతు ఇస్తుంది, లక్ష్య గుర్తింపు సాంకేతికతను ఉపయోగించి AI ఉత్పత్తుల యొక్క వినియోగదారు అనుభవాన్ని మెరుగుపరుస్తుంది, పరిశోధన మరియు అభివృద్ధి చక్రాన్ని బాగా తగ్గిస్తుంది మరియు మరింత ఉన్నత స్థాయి AIకి సహాయపడుతుంది. తెలివైన ఉత్పత్తులు వీలైనంత త్వరగా మార్కెట్‌లోకి వస్తాయి.