Статья выглядит откровенно плохо. Громкий заголовок, где недописали, что обошли chatgpt-3.5. Масса таких же упущений по тексту. Итоговый (полный) текущий лидерборд не показали.
Отличный подбор алгоритмов. Спасибо автору! Вспомнилось, как писали алгоритм построения маршрута уборки для промышленной поломоечной машины внутри рандомного прямоугольника многократно превышающего размеры робота с рандомным набором препятсвий внутри. И вычисление этого маршрута за адекватное количество переборов и оптимизаций. Для нас решением стало применение огромного ряда эвристик, какой бы базовый метод мы не выбирали.
Да, верно. Оптимизация алгоритмов под выбранное железо — шаг, который тоже будет необходимо пройти. Это может быть Cloud, Desktop или Mobile. Mobile может быть на базе Jetson, Snapdragon, FPGA и тп.
Спасибо за веселую статью!
Очень прошу не делать никаких «прагматичных выводов».
Если говорить о вариантах решений, то это различные FPGA, нейрочипы вроде movidius или более мощные SOC (желательно с более производительным мобильным GPU). Также есть серия nvidia jetson — но вероятно, он не впишется в ваш бюджет.
Мы пробовали запускать различные сети на смартфонах — у них часто неплохой GPU, особенно у флагманов. Есть различных модели, например у TF есть открытое решение с APK и предобученной моделью, которое на телефонах со snapdragon 6xx и 8xx серии выдает 5-20 fps
Вы написали про расчет глубины по двум камерам. Вычисления прямо на raspberry pi выполняются? На какое количество кадров и при каком разрешении можно рассчитывать?
Про Mali G72MP18, а именно он стоит в S9, вы уж слишком лестно отозвались. Между ним и Adreno 630 (американский вариант S9) пропасть, что видно из приведенного вами сравнения — тест Manhattan: 3612 vs 4120 баллов.
в GFLOPS (данные из интернета):
Mali G72MP18 ~ 400-450 gflops
Adreno 630 ~ 600-700 gflops
Статья выглядит откровенно плохо. Громкий заголовок, где недописали, что обошли chatgpt-3.5. Масса таких же упущений по тексту. Итоговый (полный) текущий лидерборд не показали.
Очень прошу не делать никаких «прагматичных выводов».
Если говорить о вариантах решений, то это различные FPGA, нейрочипы вроде movidius или более мощные SOC (желательно с более производительным мобильным GPU). Также есть серия nvidia jetson — но вероятно, он не впишется в ваш бюджет.
Мы пробовали запускать различные сети на смартфонах — у них часто неплохой GPU, особенно у флагманов. Есть различных модели, например у TF есть открытое решение с APK и предобученной моделью, которое на телефонах со snapdragon 6xx и 8xx серии выдает 5-20 fps
в GFLOPS (данные из интернета):
Mali G72MP18 ~ 400-450 gflops
Adreno 630 ~ 600-700 gflops
v('чайник') + v('место') ~ v('кухня')
v('холодильник') + v('место') ~ v('кухня')