Am 16. Mai 2018 veröffentlichte Rockchip eine auf Deep Learning basierende Zielerkennungstechnologielösung, die auf seiner RK3399-Chipplattform läuft, die eine quasi schlüsselfertige Lösung für die High-End-KI-Industrie der künstlichen Intelligenz bieten und sowohl Android- als auch Linux-Systeme unterstützen kann . Die Zielerkennungsrate erreicht mehr als 8 Bilder/Sekunde.
Im Bereich der künstlichen Intelligenz ist die Zielerkennung eine sehr beliebte Forschungsrichtung. Zielerkennung bezieht sich auf das Lokalisieren und Klassifizieren von Zielobjekten in Bildern oder Videos. Für Maschinen ist es schwierig, das abstrakte Konzept und die Positionierung von Objekten direkt aus der RGB-Pixelmatrix zu erhalten, was große Herausforderungen für KI-Anwendungen mit künstlicher Intelligenz mit sich bringt.
Derzeit sind die wichtigsten Forschungs- und Entwicklungsrichtungen der Technologie der künstlichen Intelligenz: Gesichtserkennung, Erkennung des menschlichen Körpers, Fahrzeugerkennung, Erkennung zweidimensionaler Codes und Gestenerkennung usw., die in großem Umfang für die Überwachung, den intelligenten Transport und den neuen Einzelhandel eingesetzt werden können , natürliche Interaktion usw. Grundlage ist die Objekterkennungstechnologie. Die auf Deep Learning basierende Zielerkennungstechnologie weist eine hohe Genauigkeit und Robustheit auf, aber die Rechenlast ist relativ groß, und sie kann nicht lange Zeit in eingebetteten Geräten praktisch eingesetzt und angewendet werden.
Als Reaktion auf den KI-Markt und die technischen Anforderungen hat Rockchip das MobileNet SSD-Netzwerk auf der leistungsstarken RK3399-Plattform speziell optimiert, sodass die hochpräzise MobileNet SSD300 1.0 mit einer Bildrate von mehr als 8 Frames läuft und das MobileNet mit Etwas geringere Genauigkeit und höhere Geschwindigkeit SSD300 0.75 läuft mit über 11 fps. Die Quasi-Echtzeit-Laufgeschwindigkeit bringt die grundlegende KI-Technologie der Zielerkennung in den praktischen Einsatz im eingebetteten Terminal.
Zusätzlich zu ihrer Quasi-Echtzeit-Laufgeschwindigkeit unterstützt diese technische Lösung das TensorFlow Lite-Modell, das von Googles TensorFlow-Objekterkennungstraining exportiert wurde. Derzeit gibt es eine große Anzahl von Anwendungsfällen, die auf der TensorFlow-Objekterkennung basieren und alle Arten der Erkennung von Gesichtern bis hin zu Objekten abdecken, was eines der bequemsten und beliebtesten Zielerkennungs-Frameworks in der Industrie ist.
Die auf der RK3399-Chipplattform basierende Deep-Learning-Zielerkennungstechnologielösung von Rockchip kann Android- oder Linux-Systeme gleichzeitig unterstützen, die Benutzererfahrung von KI-Produkten mithilfe der Zielerkennungstechnologie verbessern, den Forschungs- und Entwicklungszyklus erheblich verkürzen und zu mehr High-End-KI beitragen intelligente Produkte so schnell wie möglich auf den Markt bringen.