Comments 17
Хотелось бы услышать историю о том, почему на Raspberry Pi модель работала быстрее чем на видоекарте и как она вообще там работала.
Забегая вперед – таки да, этот парень впихнул нашу модель на “малинку” и добился того, что распознавание на ней занимало не более десятка секунд – тогда как на видеокарте мы добились минимум 2-3 секунды.
Я нигде не говорил, что на "малинке" модель работала быстрее. Она в итоге стала работать сопоставимо - порядка десяти секунд. А на стоковой конфигурации (Rpi3 4Gb + Raspbian) она ворочалась примерно 40-60 секунд. Это будет в следующей части :)
Кубический пиксел называется voxel.
... Массу свиньи можно оценивать по инерции при движении на поворотах.
Есть неплохая Nvidia Jetson Nano 2Gb, как раз 50 баксов (ну, почти, где покупать). И ускорение есть, и официальные докеры с пробросом ускорителя от нвидии, и тензофлоу образы. Только нюансы с сетью (родного вайфая нет, нужно или usb или LAN по витой паре), но это решаемо.
Поделитесь, пожалуйста, как такое можно за 50 баксов купить? Я бы купил штук 5-6
Татуировку на спине в виде qr делать, а по абсолютному размеру оценивать, насколько выросла свинная спина ну вся свинья целиком
Raspberry pi может opencv использовали на предмет ярких штук? Удивительно, ведь у меня она даже видео 720 не особо тянет, а тут свиней различает.
Как по мне нанять бабку для этого дела дешевле легче и проще намного
Как по мне нанять бабку для этого дела дешевле легче и проще намного
О, вы ошибаетесь. Точнее, не видите всей картины. В файте бабка vs малина, выиграет, конечно, бабка. Тем более если сравнивать стоимость разработки, она хорошо так покроет зарплату на бабки в поселке усть-пердюево на десяток-другой лет. Но если ты агрохолдинг, какой-нибудь мираторг, то у тебя уже задача 1)нанять 1000 бабок 2)обучить их и добиться нормального уровня обучения 3)контролировать качество 4)платить фот. И когда начинаете прикидывать бой «1000 малин + стоимость разработки» vs «1000 бабок с hr-структурой для обучения и сопровождения и фот всех этих людей», то малины выигрывают.
Есть легковесные варианты архитектуры yolo (tiny-yolov2), которые после квантизации весов могут достаточно быстро работать.
Есть ещё google coral devboard или фишки типа с разъемом m2 в которых встроен TPU. Эти штуки поддерживают TFLite и могут нормально работать с нейронками и софт нормальный у них.
Плотность на квадратный пиксел