FP-AI-FACEREC1 기능 팩은 이제 주문형으로 제공되므로 ST 커뮤니티는 STM32Cube.AI를 사용하여 STM7H32에서 얼굴 인식을 활용하는 새로운 애플리케이션을 실행할 수 있습니다.. 패키지는 STM32H747I-DISCO 보드 및 ST의 B-CAMS-OMV 카메라 어댑터 보드용 바이너리를 제공합니다. 후자는 OpenMV 및 Waveshare 카메라 모듈용 확장 커넥터를 제공합니다. 이 소프트웨어는 기기 등록, 카메라 제어, 인터페이스, 보드의 조이스틱, 이미지 캡처, 사전 처리 및 기계 학습 라이브러리를 처리합니다. 데이터베이스는 최대 100명의 사용자를 저장할 수 있으며 프로세스는 임베디드 RAM 및 플래시에서 초당 3.6프레임으로 실행됩니다. 결과적으로 외부 메모리가 필요하지 않은 응용 프로그램을 구상하는 것이 가능합니다. 또한 이 솔루션에는 저해상도 RGB 카메라, 일반 주변 조명 및 최대 1.5미터(5피트)의 피사체만 있으면 됩니다.
새로운 입장료
ST 블로그와의 원탁회의에서 디자인 하우스는 고객이 점점 더 AI로부터 혜택을 받기를 원하는 방식을 공유했습니다. 하지만 진입장벽은 여전히 높다. 리소스가 제한된 마이크로프로세서를 위한 AI 모델을 개발하면 전체 비용이 증가할 수 있으며 데이터 과학자에 대한 의존도가 낮아 팀이 작을수록 불리합니다. 따라서 FP-AI-FACEREC1은 마이크로컨트롤러에서 복잡한 신경망 알고리즘을 실행할 수 있음을 보여주기 때문에 중요합니다.. 또한 ST 소프트웨어 도구는 고유한 복잡성을 완화하여 진입 장벽을 낮추는 데 도움이 됩니다. 간단히 말해서, 모든 개발 소프트웨어가 STM32CubeIDE 및 STM32CubeMonitor와 같은 무료 ST 도구와 함께 작동하기 때문에 AI 입장료는 STM32 디스커버리 키트가 되었습니다.
머신러닝 시장 침투의 새로운 장, FP-AI-FACEREC1
머신 러닝이 필수가 되고 있습니다.
새로운 ST 소프트웨어 패키지는 인공 지능의 이점을 누릴 수 있지만 대규모 투자를 정당화할 수 없는 애플리케이션의 문을 열었습니다.. 스마트폰이 얼굴을 스캔하여 사용자를 인증하기 시작했을 때 제조업체는 많은 현금과 인력을 투입해야 했습니다. 극도의 정확성과 이러한 사용 사례를 관리하는 엄격한 보안 인증에 대한 요구 사항은 그 어느 것도 아닙니다. 그러나 소비자들 사이에서 안면 인식의 중요한 성공을 감안할 때 기업은 투자에 대한 빠른 수익을 보았습니다. 다른 산업에 AI가 필요하지만 스마트폰 공급업체와 같은 수익을 기대할 수 없을 때 문제가 발생합니다.
또 다른 복합 요소는 안면 인식에 의존하는 사용자 맞춤형 애플리케이션의 증가입니다. 실제로 점점 더 많은 고객이 각 사용자에 대한 설정, 알림 또는 동작을 사용자 정의할 수 있는 기능을 요구합니다. 일반적으로 사용자는 버튼을 클릭하거나 아바타를 선택하거나 로그인 및 비밀번호를 입력하여 계정을 선택합니다. 얼굴 인식 소프트웨어를 사용하면 인터페이스가 자동으로 사용자를 인식하고 서비스 또는 설정을 시작할 수 있습니다. 몇 년 전 비디오 게임 콘솔 제조업체는 이 아이디어를 일반 대중에게 선보였습니다. FP-AI-FACEREC1을 사용하면 값비싼 게임 시스템 없이도 유사한 기능을 제공할 수 있습니다.
안면 인식은 사용자의 웰빙에 초점을 맞춘 새로운 애플리케이션의 중심이 되고 있습니다. 예를 들어 소비자 오븐 제조업체는 기계 학습을 사용하여 기기가 뜨거울 때 근처에 있는 어린이를 감지하고 자동 잠금을 작동하여 사고를 방지할 수 있습니다. 마찬가지로, 엘리베이터에서 안면 인식을 사용하면 어린이가 길을 잃는 것을 방지하기 위해 바닥으로만 이동하도록 할 수 있습니다.
머신 러닝의 접근성 향상
FP-AI-FACEREC1은 트레이드오프 덕분에 새로운 산업에서 기계 학습의 이점을 누릴 수 있기 때문에 필수적입니다. STM32H7에서 코드를 실행한다는 것은 애플리케이션이 보안 인증에 중점을 둔 시스템보다 더 적은 수의 이미지 레이어와 더 낮은 해상도를 사용한다는 것을 의미합니다. 오븐이나 엘리베이터는 사용자를 인증하는 컴퓨터와 동일한 정확도 표준을 충족할 필요가 없습니다. 따라서 FP-AI-FACEREC1은 대량 시장 응용 프로그램에 맞는 정확도를 유지하면서 더 적은 RAM 및 계산 처리량을 사용할 수 있음을 보여줍니다.. 또한 ST 소프트웨어 팩은 모션 블러 또는 적외선을 줄이기 위해 글로벌 셔터를 수용할 수 있습니다. 감지기 저조도 성능을 향상시킵니다. 비행 시간 센서와 결합된 기능 팩은 근접 감지를 처리할 수 있습니다. 궁극적으로 애플리케이션 예제는 혁신을 모색하는 엔지니어를 위한 토대 역할을 합니다.
동일한 솔루션이 STM32MP1에서도 작동하여 더 많은 전력이 필요한 엔지니어를 만족시킬 것입니다. 일부 팀은 웹 서버를 보다 쉽게 실행하기 위해 임베디드 Linux 배포가 필요합니다. 다른 사람들은 GUI를 위해 Cortex-A7 코어의 성능이 필요할 수 있습니다. 모든 경우에 FP-AI-FACEREC1과 동일한 TensorFlow Lite 모델을 사용하고 Linux에서 실행할 수 있습니다. 따라서 개발자는 동일한 메모리 공간을 활용하면서 더 많은 초당 프레임을 즐길 수 있습니다. 결과적으로 높은 수준의 RTOS에서 실행할 수 있는 시스템이 있으면 얼굴 인식에 훨씬 더 쉽게 액세스할 수 있습니다.
FP-AI-FACEREC1, 임베디드 시스템의 머신 러닝에 대한 새로운 이야기
혁신으로 얼굴 인식 가능
기계 학습은 복잡한 주제이며 두려울 수 있습니다. ST의 소프트웨어 패키지는 업무 프로세스를 이해하기 위해 노력하고 업계가 얼마나 발전했는지 보여주는 솔루션입니다. 첫 번째 단계는 사진을 찍어 감지할 얼굴이 있는지 확인하는 것입니다. 그 후, 사람의 얼굴 특징은 부동 소수점 숫자의 배열(Float32Vector)로 변환됩니다. 따라서 사진 자체가 데이터베이스에 저장되지 않고 전체 프로세스가 완전히 로컬이기 때문에 시스템은 완전히 기밀입니다. 애플리케이션은 데이터를 클라우드로 보내지 않습니다. 마지막으로 FP-AI-FACEREC1은 STM32Cube.AI를 사용하여 신경망을 최적화하기 때문에 다른 업계와 차별화됩니다. 결과적으로 STM32 MCU에서 더 적은 메모리를 사용하고 더 나은 성능을 제공합니다..
최적화로 얼굴 인식 가능
ST 솔루션의 또 다른 흥미로운 측면은 메모리 사용 및 최적화를 이해하는 데 도움이 된다는 것입니다. 예를 들어 카메라로 캡처한 각 이미지는 150KB의 RAM을 사용하고 이미지 버퍼는 225KB를 사용합니다. STM32Cube.AI에 의해 최적화된 신경망 라이브러리를 포함하여 대부분의 라이브러리는 플래시에 들어갈 수 있습니다. 결과적으로 전체 애플리케이션이 STM32H7 내부에 들어갈 수 있습니다.. 그런 다음 개발자는 필요에 맞게 구현을 조정할 수 있습니다. 그러나 FP-AI-FACEREC1은 빈 페이지가 아닌 강력한 구현에서 시작하도록 합니다.
협업으로 얼굴 인식 가능
ST의 기능 팩은 최종 제품을 향한 디딤돌 역할을 합니다. 팀은 프로덕션 준비 구현을 작업하기 전에 프로토타입 단계에서 데모 애플리케이션을 활용할 수 있습니다. 배포 속도를 더욱 높이기 위해 엔지니어는 ST 파트너 프로그램의 회원인 Nalbi에 의존할 수 있습니다. 실제로 이 회사는 STM32에 최적화된 컴퓨터 비전용 딥 러닝 모델을 제공합니다. 따라서 팀은 FP-AI-FACEREC1 또는 Nalbi의 서비스를 사용하여 STM32Cube.AI를 활용하고 가능한 가장 효율적인 BOM을 위해 성능을 최적화하는 생산 준비 구현을 가질 수 있습니다..
엔지니어는 FP-AI-FACEREC1의 사전 훈련된 신경망을 실험하여 빠른 개념 증명을 달성할 수 있습니다. 그러나 프로덕션과 관련하여 개발자는 얼굴 데이터베이스를 사용하여 기계 학습 모델을 훈련해야 합니다. 실제로 이 단계는 성별, 얼굴 특성, 피부 톤, 이미지 각도 등에 대한 얼굴 인식에 직접적인 영향을 미칩니다.. 결과적으로 유스케이스를 반영한 훈련 데이터베이스를 사용하는 것이 필수적이다. 또는 Nalbi의 프로덕션 준비 소프트웨어를 활용하여 최종 애플리케이션을 구축할 수 있습니다.
자세한 내용은 다음 페이지를 참조 블로그.st.com
ELE 타임즈
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news키사이트, 네트워크 에지에서 혁신적인 5G 서비스의 민첩한 오케스트레이션을 지원하기 위해 Google Cloud 파트너 이니셔티브에 합류
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news새로운 잠재적인 재생 가능 에너지원
-
ELE 타임즈https://www.eletimes.com/author/eletimes-newsFT160이 코로나 이후 품질 관리를 지원하는 방법 반도체 램프업
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news머신 러닝은 행동 예측의 다음 단계를 열어줍니다