Вы, наверное, уже видели одно или несколько демо-видео по распознаванию объектов, где система, оснащенная камерой, определяет тип объекта, используя глубокие алгоритмы обучения локально или через облако. Устройство используется , например , в автономных автомобилях для обнаружения пешеходов, домашних животных, других автомобилей и так далее. Коти Накамура и его команда разработали программное обеспечение , основанное на нейронной сети GoogleNet, устройство работает на VideoCore IV GPU и процессоре Broadcom BCM283x, которые позволяют обнаруживать объекты примерно в 3 раза быстрее , чем при использовании четырех ядерного процессора A53 Cortex в RPi 3.
Они подключили аккумулятор, дисплей, и официальную Raspberry Pi камеру на плату Raspberry Pi, чтобы иметь возможность распознавать различные объекты и животных.
Первое демо с Raspberry Pi Zero.
Raspberry Pi Zero version pic.twitter.com/5ALlnvFEe8
— Koichi Nakamura (@9_ties) April 29, 2017
И второе видео где Raspberry pi 3 использует более лучший дисплей
Object recognition camera with GoogLeNet, a 1000-class image classification model, running locally on #RaspberryPi 3 pic.twitter.com/WP99ePpfrM
— Koichi Nakamura (@9_ties) April 29, 2017
Эта разработка пока ещё не имеет открытого исходного кода. Но компания думает о выпуске открытой версии, которую можно будет найти на GitHub. Устройство может быть использовано для изучения систем распознавания объектов или в качестве отправной точки, и / или инструкции по установке Tensorflow на Raspberry Pi .
Если вы интересуетесь системами глубокого обучения, то есть хороший список ресурсов со ссылками на научно – исследовательские работы, каркасное программное обеспечение и приложения, учебники и т.д. … на Github – х .
Благодарим сайт cnx-software.com за предоставленную информацию.
Оригинал статьи тут