深度學習
深度學習作為一項新技術(shù),革新了現(xiàn)有應(yīng)用程序并推動新興產(chǎn)業(yè)的迅猛發(fā)展。Google、Amazon、Intel 和Nvidia提供的用于創(chuàng)建和訓練神經(jīng)網(wǎng)絡(luò)的工具使技術(shù)獲取更容易,促進新玩家憑借有競爭力的產(chǎn)品進入成熟市場。
目前,深度學習的潛能已被廣泛認可,也許您現(xiàn)在正在應(yīng)用程序上使用深度學習。為了讓機器視覺開發(fā)者能夠充分利用這項技術(shù),菲力爾推出了FLIR Firefly?? DL相機,它可以便捷地在現(xiàn)場部署受訓過的網(wǎng)絡(luò)。
FLIR Firefly? DL
FLIR Firefly DL通過集成高質(zhì)量的Sony Pregius圖像傳感器和符合GenICam的Intel Movidius Myriad 2視覺處理單元 (VPU),將機器視覺和深度學習推斷相結(jié)合。FLIR機器視覺相機尺寸小巧、重量輕且功耗低,是嵌入移動、桌面和手持系統(tǒng)的理想選擇。
VPU的概念
位于FLIR Firefly? DL核心的Intel Movidius Myriad 2視覺處理單元(VPU)是一種新型處理器。VPU結(jié)合了高速硬件圖像處理過濾器、通用CPU內(nèi)核以及平行矢量處理內(nèi)核。與GPU的通用內(nèi)核相比,用于加速相機內(nèi)建推斷的矢量內(nèi)核針對神經(jīng)網(wǎng)絡(luò)的分支邏輯進行了更多優(yōu)化,優(yōu)化程度更高的VPU能夠以低功率實現(xiàn)高性能。
推斷與深度學習的關(guān)系
推斷是在新捕獲的、無標簽真實數(shù)據(jù)上應(yīng)用的深度學習。推斷是指受訓后的神經(jīng)網(wǎng)絡(luò)根據(jù)新數(shù)據(jù)做出預(yù)測的結(jié)果。
推斷應(yīng)用了一個通過標記數(shù)據(jù) (A) 訓練未標記數(shù)據(jù) (B) 的模型
雖然有許多不同類型的網(wǎng)絡(luò)可用于推斷,但MobileNet特別適用于圖像分類。MobileNet最初由Google設(shè)計,用作移動設(shè)備的高精度圖像分類和分割。與那些計算昂貴且需要耗電量大GPU的網(wǎng)絡(luò)相比,它也能夠?qū)崿F(xiàn)相同的精度。
推斷相機和“智能相機”的區(qū)別
傳統(tǒng)智能相機結(jié)合了機器視覺相機和運行基于規(guī)則的圖像處理軟件的單板計算機。智能相機可以較好解決簡單問題,例如讀取條形碼或回答“孔是否應(yīng)該位于該部分?”這類提問。推斷相機的優(yōu)勢在于可處理更復雜或主觀的問題,例如“這是出口級蘋果嗎?” 當使用已知的優(yōu)質(zhì)圖像進行訓練時,推斷相機可以輕松識別基于規(guī)則的檢查系統(tǒng)無法識別的非預(yù)期內(nèi)缺陷,使其對差異性更加寬容。
推斷相機可通過豐富的描述元數(shù)據(jù)擴大現(xiàn)有應(yīng)用。通過GenICam塊數(shù)據(jù),F(xiàn)LIR Firefly? DL相機可以使用推斷來標記傳至主機的圖像,該主機使用傳統(tǒng)的基于規(guī)則的圖像處理方式。通過這種方式,用戶可快速擴展其現(xiàn)有視覺系統(tǒng)的能力。該混合式系統(tǒng)架構(gòu)同樣也可以觸發(fā)傳統(tǒng)視覺系統(tǒng)。
使用?FLIR Firefly? DL相機可以節(jié)省大量空間,因為傳統(tǒng)智能相機中使用的計算硬件功耗效率更低,而且比FLIR Firefly?DL相機中的VPU大得多。FLIR Firefly? DL相機尺寸只有27mmx27mm,可隨時集成到緊湊的空間中。
FLIR Firefly? DL是一個開放式平臺,使用戶可靈活利用快速進步的深度學習網(wǎng)絡(luò)及其訓練和優(yōu)化的相關(guān)工具鏈。相反,使用專有工具對智能相機進行編程可能會落后于新技術(shù)。
相機內(nèi)建推斷的優(yōu)勢
在視覺系統(tǒng)邊緣進行推斷,可以促進系統(tǒng)速度、可靠性、功率效率和安全性的提升。
★ 速度:邊緣推斷與其他形式的邊緣計算一樣,圖像處理可在離開中央服務(wù)器,靠近數(shù)據(jù)源進行。無需將所有圖像傳輸至遠程服務(wù)器,只需傳送描述數(shù)據(jù)。這將大幅減少系統(tǒng)需傳輸?shù)臄?shù)據(jù)量,使網(wǎng)絡(luò)帶寬和系統(tǒng)延遲降低。
★?可靠性:對于某些應(yīng)用,F(xiàn)LIR Firefly? DL不需要依靠服務(wù)器和網(wǎng)絡(luò)基礎(chǔ)設(shè)施,就可提升其自身可靠性。FLIR Firefly? DL通過其內(nèi)置的VPU,可作為獨立傳感器運行。它可捕捉圖像并根據(jù)圖像做出決策,然后使用GPIO信號觸發(fā)操作。
★?功率效率:只在需要時觸發(fā)視覺系統(tǒng)意味著更多的處理時間可用在傳統(tǒng)基于規(guī)則的圖像處理和分析上。深度學習推斷可在滿足特定條件時觸發(fā)高功率圖像分析。Myriad 2 VPU通過級聯(lián)網(wǎng)絡(luò)支持可節(jié)省額外功率。如此可以實現(xiàn)多層分析,只要滿足前一個網(wǎng)絡(luò)的條件,更復雜、功率更高的網(wǎng)絡(luò)就可以啟用。
★?安全:少量數(shù)據(jù)的傳送便于加密,提升系統(tǒng)安全性。
深度學習推斷的應(yīng)用
FLIR Firefly? DL提供了一條從深入學習的研發(fā)到實際應(yīng)用程序的方便途徑。它可隨時作為獨立傳感器使用,捕捉圖像并基于圖像做出決策,從而觸發(fā)GPIO行為。
通過Intel神經(jīng)計算棒,可用低于1000美元(約6300元)的成本建立起完整的視覺系統(tǒng)邊緣推斷。視覺系統(tǒng)開發(fā)人員可以使用Intel OpenVINO工具包在同一個驅(qū)動FLIR Firefly? DL相機內(nèi)建推斷的VPU上輕松優(yōu)化和驗證神經(jīng)網(wǎng)絡(luò)的性能。這使得用戶能夠使用相同的相機,準確評估Myriad 2驅(qū)動的、并行于傳統(tǒng)算法推斷的性能。
從GPU訓練轉(zhuǎn)移到神經(jīng)計算棒開發(fā)和FLIR Firefly? DL部署
深度學習推斷將從根本上改變視覺系統(tǒng)設(shè)計和編程的方式。它比使用傳統(tǒng)基于規(guī)則的方式更加快速精確地做出復雜且主觀的決策。通過集合Sony Pregius傳感器、GenICam 界面和 Intel Movidius Myriad 2 VPU,F(xiàn)LIR Firefly? DL相機將機器視覺與深度學習相結(jié)合。這種新型推斷相機提供了一種在機器視覺應(yīng)用中部署深度學習推斷的理想路徑。