Gói chức năng FP-AI-FACEREC1 hiện có sẵn theo yêu cầu, do đó cho phép cộng đồng của ST chạy các ứng dụng mới tận dụng nhận dạng khuôn mặt trên STM32H7, nhờ vào việc sử dụng STM32Cube.AI. Gói này cung cấp mã nhị phân cho bảng STM32H747I-DISCO và bảng bộ điều hợp máy ảnh B-CAMS-OMV của ST. Cái sau cung cấp một đầu nối mở rộng cho các mô-đun máy ảnh OpenMV và Waveshare. Phần mềm xử lý đăng ký trên thiết bị, điều khiển máy ảnh, giao diện, cần điều khiển trên bảng, chụp ảnh, xử lý trước và thư viện học máy. Cơ sở dữ liệu của nó có thể lưu trữ lên đến 100 người dùng và quá trình này chạy ở tốc độ 3.6 khung hình / giây trên RAM và flash được nhúng. Do đó, có thể hình dung một ứng dụng không yêu cầu bộ nhớ ngoài. Hơn nữa, giải pháp chỉ cần một máy ảnh RGB có độ phân giải thấp, ánh sáng xung quanh thông thường và các đối tượng ở độ sâu tối đa 1.5 mét (5 feet).
Giá vé mới vào cửa
Trong hội nghị bàn tròn với The ST Blog, một nhà thiết kế đã chia sẻ cách khách hàng ngày càng muốn hưởng lợi từ AI. Tuy nhiên, rào cản gia nhập vẫn còn cao. Việc phát triển các mô hình AI cho các bộ vi xử lý hạn chế về tài nguyên có thể làm tăng chi phí tổng thể và sự phụ thuộc cần thiết vào các nhà khoa học dữ liệu có nghĩa là các nhóm nhỏ hơn sẽ gặp bất lợi. FP-AI-FACEREC1, do đó, rất quan trọng vì nó cho thấy rằng có thể chạy một thuật toán mạng nơ-ron phức tạp trên một bộ vi điều khiển. Ngoài ra, các công cụ phần mềm ST giúp giảm bớt một số phức tạp cố hữu để giảm rào cản gia nhập. Nói một cách đơn giản, cái giá phải trả cho AI chỉ trở thành Bộ khám phá STM32 vì tất cả phần mềm phát triển đều hoạt động với các công cụ ST miễn phí như STM32CubeIDE và STM32CubeMonitor
FP-AI-FACEREC1, một chương mới trong thâm nhập thị trường của học máy
Học máy đang trở thành một nhu cầu cần thiết
Gói ST Software mới đã mở ra cánh cửa cho các ứng dụng có thể hưởng lợi từ trí tuệ nhân tạo nhưng không thể biện minh cho các khoản đầu tư lớn. Khi điện thoại thông minh bắt đầu xác thực người dùng bằng cách quét khuôn mặt, các nhà sản xuất đã phải bơm rất nhiều tiền mặt và nhân lực. Nhu cầu về độ chính xác cao và các chứng nhận bảo mật nghiêm ngặt chi phối các trường hợp sử dụng như vậy đòi hỏi không kém. Tuy nhiên, với sự thành công quan trọng của nhận dạng khuôn mặt đối với người tiêu dùng, các công ty đã nhận thấy lợi tức đầu tư nhanh chóng. Các vấn đề nảy sinh khi các ngành công nghiệp khác cần AI nhưng không thể mong đợi lợi nhuận tương tự như các nhà cung cấp điện thoại thông minh.
Một yếu tố kép khác là sự gia tăng của các ứng dụng do người dùng tùy chỉnh dựa trên nhận dạng khuôn mặt. Thật vậy, ngày càng nhiều khách hàng yêu cầu khả năng tùy chỉnh cài đặt, cảnh báo hoặc hành vi cho từng người dùng. Theo truyền thống, người dùng chọn tài khoản của họ bằng cách nhấp vào nút, chọn hình đại diện hoặc nhập thông tin đăng nhập và mật khẩu. Với phần mềm nhận dạng khuôn mặt, giao diện có thể tự động nhận dạng người dùng và khởi chạy các dịch vụ hoặc cài đặt của họ. Một vài năm trước, các nhà sản xuất máy chơi game đã đưa ý tưởng này đến với công chúng. Với FP-AI-FACEREC1, có thể cung cấp một tính năng tương tự mà không yêu cầu hệ thống chơi game đắt tiền.
Nhận dạng khuôn mặt ngày càng trở thành trung tâm của các ứng dụng mới tập trung vào sức khỏe của người dùng. Ví dụ: một nhà sản xuất lò nướng dân dụng có thể sử dụng máy học để phát hiện một đứa trẻ ở gần trong khi thiết bị đang nóng và kích hoạt khóa tự động để ngăn ngừa tai nạn. Tương tự, sử dụng tính năng nhận dạng khuôn mặt trong thang máy có thể đảm bảo trẻ em chỉ đi đến tầng của chúng để tránh chúng bị lạc.
Học máy đang trở nên dễ tiếp cận hơn
FP-AI-FACEREC1 rất cần thiết vì nó cho phép các ngành công nghiệp mới hưởng lợi từ học máy, nhờ vào sự cân bằng của nó. Chạy mã trên STM32H7 có nghĩa là các ứng dụng sử dụng ít lớp hình ảnh hơn và độ phân giải thấp hơn các hệ thống tập trung vào xác thực an toàn. Lò nướng hoặc thang máy không cần phải đáp ứng các tiêu chuẩn về độ chính xác giống như một máy tính xác thực người dùng. FP-AI-FACEREC1 do đó cho thấy rằng có thể sử dụng ít RAM hơn và thông lượng tính toán trong khi vẫn giữ được độ chính xác phù hợp với các ứng dụng thị trường đại chúng. Hơn nữa, gói phần mềm ST có thể chứa một màn trập toàn cầu để giảm hiện tượng nhòe chuyển động hoặc tia hồng ngoại cảm biến để cải thiện hiệu suất ánh sáng yếu. Được kết hợp với cảm biến Thời gian bay, Gói chức năng có thể xử lý việc phát hiện khoảng cách gần. Cuối cùng, ví dụ ứng dụng đóng vai trò là nền tảng cho các kỹ sư muốn đổi mới.
Giải pháp tương tự cũng sẽ hoạt động trên STM32MP1 để đáp ứng các kỹ sư cần nhiều năng lượng hơn. Một số nhóm yêu cầu bản phân phối Linux nhúng để chạy máy chủ web dễ dàng hơn. Những người khác có thể cần sức mạnh của lõi Cortex-A7 cho GUI. Trong mọi trường hợp, có thể sử dụng cùng một mô hình TensorFlow Lite như FP-AI-FACEREC1 và chạy nó trên Linux. Do đó, các nhà phát triển có thể tận hưởng nhiều khung hình hơn mỗi giây trong khi vẫn được hưởng lợi từ cùng một vùng bộ nhớ. Do đó, việc có một hệ thống có thể chạy trên RTOS cấp cao giúp nhận dạng khuôn mặt dễ tiếp cận hơn nhiều.
FP-AI-FACEREC1, một câu chuyện mới về học máy trên hệ thống nhúng
Có thể nhận dạng khuôn mặt nhờ sự đổi mới
Học máy là một chủ đề phức tạp và nó có thể rất đáng sợ. Gói phần mềm của ST là một giải pháp cố gắng làm sáng tỏ các quy trình tại nơi làm việc và điều đó cho thấy ngành này đã tiến xa như thế nào. Bước đầu tiên là chụp ảnh để xác định xem có khuôn mặt nào cần phát hiện hay không. Sau đó, các đặc điểm trên khuôn mặt của một người được chuyển đổi thành một mảng số dấu phẩy động (Float32Vector). Do đó, hệ thống hoàn toàn được bảo mật vì bản thân bức ảnh không bao giờ được lưu trữ trong cơ sở dữ liệu và toàn bộ quá trình hoàn toàn là cục bộ. Ứng dụng không bao giờ gửi dữ liệu lên đám mây. Cuối cùng, FP-AI-FACEREC1 phân biệt chính nó với phần còn lại của ngành vì nó sử dụng STM32Cube.AI để tối ưu hóa mạng nơ-ron của mình. Do đó, nó sử dụng ít bộ nhớ hơn và mang lại hiệu suất cao hơn trên MCU STM32.
Có thể nhận dạng khuôn mặt nhờ tối ưu hóa
Một khía cạnh thú vị khác của giải pháp ST là nó giúp hiểu việc sử dụng và tối ưu hóa bộ nhớ. Ví dụ: mỗi hình ảnh được chụp bởi máy ảnh chiếm 150 KB RAM trong khi bộ đệm hình ảnh chiếm 225 KB. Hầu hết các thư viện có thể phù hợp với Flash, bao gồm cả các thư viện mạng thần kinh được tối ưu hóa bởi STM32Cube.AI. Do đó, toàn bộ ứng dụng có thể nằm gọn trong STM32H7. Sau đó, các nhà phát triển có thể điều chỉnh việc triển khai của chúng tôi để phù hợp với nhu cầu của họ. Tuy nhiên, FP-AI-FACEREC1 đảm bảo rằng chúng bắt đầu từ một triển khai mạnh mẽ hơn là một trang trống.
Có thể nhận dạng khuôn mặt nhờ hợp tác
Các Gói chức năng của ST đóng vai trò như một bước đệm để tạo ra sản phẩm cuối cùng. Các nhóm có thể tận dụng các ứng dụng demo trong giai đoạn tạo mẫu trước khi bắt tay vào triển khai sẵn sàng sản xuất. Để tăng tốc độ triển khai hơn nữa, các kỹ sư có thể dựa vào Nalbi, một thành viên của Chương trình Đối tác ST. Thật vậy, công ty cung cấp các mô hình học sâu cho thị giác máy tính được tối ưu hóa cho STM32. Do đó, các nhóm có thể sử dụng FP-AI-FACEREC1 hoặc các dịch vụ của Nalbi để có quá trình triển khai sẵn sàng sản xuất tận dụng lợi thế của STM32Cube.AI và tối ưu hóa hiệu suất cho hóa đơn nguyên vật liệu hiệu quả nhất có thể.
Các kỹ sư có thể thử nghiệm với mạng nơ-ron được đào tạo trước của FP-AI-FACEREC1 để đạt được bằng chứng khái niệm nhanh chóng. Tuy nhiên, khi đưa vào sản xuất, các nhà phát triển sẽ phải đào tạo mô hình học máy với cơ sở dữ liệu khuôn mặt của họ. Thật vậy, bước này tác động trực tiếp đến việc nhận dạng khuôn mặt dựa trên giới tính, đặc điểm khuôn mặt, tông màu da, góc ảnh, v.v.. Do đó, bắt buộc phải sử dụng cơ sở dữ liệu đào tạo phản ánh ca sử dụng. Ngoài ra, có thể tận dụng phần mềm sẵn sàng sản xuất của Nalbi để xây dựng ứng dụng cuối cùng.
Để biết thêm thông tin, hãy truy cập blog.st.com
ELE lần
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsKeysight tham gia Sáng kiến đối tác đám mây của Google để hỗ trợ điều phối nhanh chóng các dịch vụ 5G sáng tạo tại Network Edge
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsNguồn năng lượng tái tạo tiềm năng mới
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsCách FT160 hỗ trợ kiểm soát chất lượng sau dịch bệnh Semiconductor Tăng tốc
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsHọc máy mở ra cấp độ tiếp theo trong dự đoán hành vi