חבילת הפונקציות FP-AI-FACEREC1 זמינה כעת לפי דרישה, ובכך מאפשרת לקהילת ST להפעיל יישומים חדשים הממנפים זיהוי פנים ב- STM32H7, הודות לשימוש ב- STM32Cube.AI. החבילה מציעה בינארי עבור לוח STM32H747I-DISCO ולוח מתאם המצלמה B-CAMS-OMV של ST. האחרון מספק מחבר הרחבה למודולי מצלמות OpenMV ו- Waveshare. התוכנה מטפלת בהרשמה במכשיר, בשליטה במצלמה, בממשקים, בג'ויסטיקים על הלוח, בצילום תמונות, בעיבוד מקדים ובספריית למידת המכונה. מסד הנתונים שלה יכול לאחסן עד 100 משתמשים, והתהליך פועל ב -3.6 פריימים לשנייה בזכרון ה- RAM והפלאש המוטבעים. כתוצאה מכך, ניתן להעלות יישום שאינו דורש זיכרון חיצוני. יתר על כן, הפתרון זקוק רק למצלמת RGB ברזולוציה נמוכה, לתאורת סביבה רגילה ולנושאים בגובה של עד 1.5 מטר.
מחיר הכניסה החדש
במהלך שולחן עגול עם הבלוג ST, בית העיצוב שיתף כיצד לקוחות רוצים יותר ויותר ליהנות מ- AI. עם זאת, מחסום הכניסה עדיין גבוה. פיתוח מודלים של AI למיקרו-מעבדים מוגבלים במשאבים עשוי להגדיל את העלויות הכוללות, וההסתמכות הדרושה על מדעני נתונים פירושה שצוותים קטנים יותר נמצאים בעמדת חסרון. לכן, FP-AI-FACEREC1 הוא קריטי מכיוון שהוא מראה שאפשר להפעיל אלגוריתם רשת עצבי מורכב על מיקרו-בקר.. בנוסף, כלי תוכנת ST עוזרים להקל על חלק מהמורכבויות הטמונות בהורדת מחסום הכניסה. במילים פשוטות, מחיר הכניסה ל- AI פשוט הפך לערכת גילוי STM32 מכיוון שכל תוכנות הפיתוח עובדות עם כלי ST בחינם כגון STM32CubeIDE ו- STM32CubeMonitor
FP-AI-FACEREC1, פרק חדש בחדירת השוק של למידת מכונה
לימוד מכונה הופך להיות צורך
חבילת התוכנה החדשה של ST פתחה את הדלת ליישומים שיכולים להפיק תועלת מבינה מלאכותית אך אינם יכולים להצדיק השקעות מסיביות. כאשר סמארטפונים החלו לאמת משתמשים על ידי סריקת פנים, יצרנים נאלצו להזרים הרבה מזומנים וכוח אדם. הצורך בדיוק קיצוני ובאישורי האבטחה המחמירים השולטים במקרי שימוש כאלה דורשים לא פחות. עם זאת, לאור ההצלחה הקריטית של זיהוי פנים בקרב צרכנים, חברות ראו החזר מהיר על השקעתן. בעיות מתעוררות כאשר תעשיות אחרות זקוקות לבינה מלאכותית אך אינן יכולות לצפות לתשואות זהות לזה של ספקיות הסמארטפונים.
גורם מרכיב נוסף הוא עליית האפליקציות המותאמות אישית על ידי המשתמש הנשענות על זיהוי פנים. ואכן, יותר ויותר לקוחות דורשים אפשרות להתאים אישית הגדרות, התראות או התנהגויות עבור כל משתמש. באופן מסורתי, משתמשים בוחרים את החשבון שלהם על ידי לחיצה על כפתור, בחירת גלגול או הזנת כניסה וסיסמה. באמצעות תוכנת זיהוי פנים, הממשק יכול לזהות משתמשים באופן אוטומטי ולהפעיל את שירותיהם או הגדרותיהם. לפני כמה שנים יצרני קונסולות משחקי וידאו הביאו את הרעיון הזה לקהל הרחב. עם FP-AI-FACEREC1, ניתן להציע תכונה דומה מבלי לדרוש מערכת משחקים יקרה.
זיהוי פנים נמצא יותר ויותר במרכז היישומים החדשים המתמקדים ברווחת המשתמש. למשל, יצרן תנורי צריכה יכול להשתמש בלימוד מכונה כדי לזהות ילד בקרבת מקום כשהמכשיר חם, ולהפעיל נעילה אוטומטית כדי למנוע תאונות. באופן דומה, שימוש בזיהוי פנים במעלית יכול להבטיח שילדים רק הולכים לקומה שלהם כדי למנוע מהם ללכת לאיבוד.
למידת מכונה הופכת לנגישה יותר
FP-AI-FACEREC1 חיוני מכיוון שהוא מאפשר לתעשיות חדשות להפיק תועלת מלימוד מכונה, הודות לפיזורים שלו. הפעלת הקוד ב- STM32H7 פירושה שיישומים משתמשים בפחות שכבות תמונה וברזולוציה נמוכה יותר ממערכות המתמקדות באימות מאובטח. תנור או מעלית אינם צריכים לעמוד באותם סטנדרטים של דיוק כמו מחשב המאמת משתמש. FP-AI-FACEREC1 מראה אפוא כי ניתן להשתמש בפחות זיכרון RAM ותפוקה חישובית תוך שמירה על דיוק המתאים ליישומים בשוק ההמוני.. יתר על כן, חבילת התוכנה ST יכולה להכיל תריס גלובלי להפחתת טשטוש תנועה או אינפרא אדום חיישן לשיפור ביצועי תאורה נמוכה. בשילוב עם חיישן זמן טיסה, חבילת הפונקציות יכולה להתמודד עם זיהוי קרבה. בסופו של דבר, דוגמת היישום משמשת בסיס למהנדסים המעוניינים לחדש.
אותו פתרון יעבוד גם על STM32MP1 בכדי לספק מהנדסים הזקוקים ליותר כוח. צוותים מסוימים דורשים הפצה לינוקס משובצת להפעלת שרת אינטרנט ביתר קלות. אחרים עשויים להזדקק לכוח של ליבת Cortex-A7 עבור ממשק משתמש. בכל המקרים, ניתן להשתמש באותו דגם TensorFlow Lite כמו FP-AI-FACEREC1 ולהריץ אותו על לינוקס. מפתחים יכולים, אם כן, ליהנות יותר ממסגרות בשנייה תוך שהם נהנים מאותה טביעת רגל זיכרון. כתוצאה מכך, מערכת שיש בה אפשרות לפעול ב- RTOS ברמה גבוהה הופכת את זיהוי הפנים לנגיש הרבה יותר.
FP-AI-FACEREC1, סיפור חדש על למידת מכונה במערכת משובצת
זיהוי פנים אפשרי בזכות חדשנות
למידת מכונה היא נושא מורכב, וזה יכול להפחיד. חבילת התוכנה של ST היא פתרון המנסה להסיר את הלך הרוח של התהליכים בעבודה וזה מראה עד כמה התקדמה התעשייה. השלב הראשון הוא לצלם כדי לקבוע אם יש פנים לזהות. לאחר מכן, תווי פניו של אדם מומרים למערך של מספרים צפים (Float32Vector). לכן המערכת חסויה לחלוטין מכיוון שהתמונה עצמה לעולם אינה מאוחסנת במסד הנתונים, והתהליך כולו מקומי לחלוטין. האפליקציה לעולם לא שולחת נתונים לענן. לבסוף, FP-AI-FACEREC1 מבדיל את עצמו משאר הענף מכיוון שהוא משתמש ב- STM32Cube.AI כדי לייעל את הרשת העצבית שלו. כתוצאה מכך הוא משתמש בפחות זיכרון ומציע ביצועים גדולים יותר ב- STM32 MCU.
זיהוי פנים אפשרי בזכות אופטימיזציה
היבט מרתק נוסף בפתרון ST הוא שהוא עוזר להבין את השימוש בזיכרון ואופטימיזציות. לדוגמא, כל תמונה שצולמה על ידי המצלמה אורכת 150 קילו זיכרון RAM ואילו חוצץ התמונה לוקח 225 קילוגרם. רוב הספריות יכולות להשתלב בפלאש, כולל ספריות הרשת העצביות שעברו אופטימיזציה על ידי STM32Cube.AI. כתוצאה מכך, היישום כולו יכול להשתלב בתוך STM32H7. מפתחים יכולים לשנות את היישום שלנו כך שיתאים לצרכים שלהם. עם זאת, FP-AI-FACEREC1 מבטיח שהם מתחילים מיישום חזק ולא מדף ריק.
זיהוי פנים אפשרי הודות לשיתוף פעולה
חבילות הפונקציות של ST משמשות אבן דרך לעבר מוצר סופי. צוותים יכולים למנף יישומי הדגמה בשלב הפרוטוטייפ לפני שהם עובדים על יישום מוכן לייצור. כדי להאיץ את הפריסה, מהנדסים יכולים להסתמך על נאלבי, חבר בתוכנית ST Partner. ואכן, החברה מציעה מודלים של למידה עמוקה לראייה ממוחשבת שאותה היא אופטימיזציה עבור STM32. לפיכך, צוותים יכולים להשתמש ב- FP-AI-FACEREC1 או בשירותי Nalbi כדי לקבל יישום מוכן לייצור המנצל את STM32Cube.AI ומייעל את הביצועים לקבלת חשבון החומרים היעיל ביותר האפשרי..
מהנדסים יכולים להתנסות ברשת העצבית שהוכשרה מראש של FP-AI-FACEREC1 כדי להשיג הוכחה מהירה לקונספט. עם זאת, בכל הנוגע לייצור, מפתחים יצטרכו להכשיר את מודל למידת המכונה עם מאגר הפנים שלהם. ואכן, צעד זה משפיע באופן ישיר על זיהוי הפנים כנגד מגדרים, תכונות פנים, גווני עור, זוויות תמונה ועוד. כתוצאה מכך, חובה להשתמש במאגר אימונים המשקף את מקרה השימוש. לחלופין, ניתן למנף את התוכנה המוכנה לייצור ייצור של נלבי לבניית יישום סופי.
לקבלת מידע נוסף, בקר blog.st.com
ELE טיימס
-
ELE טיימסhttps://www.eletimes.com/author/eletimes-newsKeysight מצטרפת ליוזמת שותפי Google בענן לתמיכה בתזמורת זריזה של שירותי 5G חדשניים ברשת Edge
-
ELE טיימסhttps://www.eletimes.com/author/eletimes-newsמקור פוטנציאלי חדש לאנרגיה מתחדשת
-
ELE טיימסhttps://www.eletimes.com/author/eletimes-newsכיצד ה-FT160 תומך בבקרת איכות בפוסט-COVID סמיקונדקטור רמפה-אפ
-
ELE טיימסhttps://www.eletimes.com/author/eletimes-newsלמידת מכונה פותחת את הרמה הבאה בחיזוי התנהגות