Как стать автором
Обновить

Detect it to pop it — используем “взрослые” инструменты Intel для решения “детской” задачи

Блог компании Intel Обработка изображений *Машинное обучение *Учебный процесс в IT Искусственный интеллект
Всего голосов 9: ↑8 и ↓1 +7
Просмотры 2.4K
Комментарии 3

Комментарии 3

Если для обучения сети используется CUDA и распознавание делается на том же самом стационарном компьютере, какие преимущества в использовании OpenVINO а не обычных Pytorch/TF и Keras? Скорость распознавания невысокая, думаю при использовании видеокарты можно получить прирост в несколько раз.

Для обучения сети используется CUDA, обучение делается в PyTorch. В OpenVINO запускается уже сконвертированная натренированная сеть. Когда есть внешняя видеокарта (уровня 2080), то да, на ней скорость инференса будет выше. OpenVINO спроектирован для того, чтобы запускать готовые сети на процессоре, если у готового пользователя нет видеокарты, или на каких-то устройствах, где критичным является энергопотребление и стоимость железа. Например, камеры на производстве - если требуется несколько камер, чтобы что-то отслеживать (дефекты производства), то будет накладно покупать несколько компьютеров с видеокартами.

Сам фреймворк спроектирован таким образом, чтобы пользователь мог натренировать сеть, возможно, используя свой датасет, а потом легко мог конвертировать сеть в формат OpenVINO.

Кстати, на финальной гифке скорость распознавания невысокая еще из-за того, что у меня дома только компьютер "с алиэкспресса" из 2012 года + запущен скринкастинг, похожие DL модели из Open Model Zoo на свежих ноутах спокойно успевают обрабатывать поток с веб-камеры около 30 FPS.

Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.