การศึกษาอักษรลูกโลก: การถอดภาพจากเครือข่ายเชิงอนิเมชัน

เครือข่ายประสาทใช้กันอย่างแพร่หลายใน งานจดจําภาพ การถอดขยายโมเดลเหล่านี้ในโปรแกรมจริงในโลกนี้ จะต้องใช้ความท้าทายหลายอย่าง รวมถึงทรัพยากรการคํานวณ ระยะเวลาที่สั้นลง และแม่นยํา การศึกษานี้ยังเป็นการสํารวจกระบวนการประมวลผลของเครือข่ายประสาท เพื่อใช้ในการจดจําภาพได้จริง

ภาพรวมโครงการ

โครงการ ที่ มุ่ง จะ นํา ระบบ เครือ ข่าย ประสาท สัมฤ ทธิ ผล (CN) มา ใช้ เพื่อ จัด การ กับ ภาพ ที่ จับ ได้ จาก กล้อง ถ่าย รูป.

สภาพแวดล้อมการรับบริจาค

เครือข่ายประสาทถูกใช้งานบนอุปกรณ์ขอบ ซึ่งติดตั้งด้วย GPU ซึ่งตั้งค่าความล่าช้าน้อยที่สุด และลดความพึ่งพาโครงสร้างพื้นฐานของเมฆได้ สภาพแวดล้อมที่ต้องการการปรับให้เป็นแบบที่เหมาะสมสําหรับการอนุมานที่มีประสิทธิภาพ

เทคนิกแบบโอปติเมชัน

มีการใช้เทคนิคหลาย ๆ วิธีเพื่อปรับให้เครือข่ายประสาทเหมาะสมที่สุดสําหรับการนําไปใช้:

• [FLT: 0] ลิดรอน: ลบการเชื่อมต่อที่ซ้ําซ้อนออกไป เพื่อลดขนาด
• [FLT: 0] การจัดอันดับ: แปลงน้ําหนักเป็นความแม่นยําต่ําเพื่อปรับปรุงความเร็ว
• [FLT: 0] ความเร่งของฮาร์ดแวร์: Ultificized GPU สําหรับอนุมานที่เร็วขึ้น

ผล และ ข้อ ท้าทาย

การ ใช้ อุปกรณ์ นี้ บรรลุ อัตรา ความ แม่นยํา 95% โดย มี การ ประมวล ความ เร็ว ต่ํา กว่า 50 มิลลิวินาที ต่อ ภาพ.