Come realizzare un sistema di classificazione basato sull’apprendimento approfondito con meno di 600 dollari

Introduzione

L’apprendimento approfondito è destinato a rivoluzionare il mercato dei sistemi di visione. Tale tecnologia consente di realizzare nuove applicazioni e rivoluzionare i mercati. In qualità di Product manager di FLIR, ho il privilegio di visitare aziende di numerosi settori. Tutte le aziende in cui mi sono recato quest’anno lavorano sull’apprendimento approfondito. Iniziare non è mai stato così facile, ma come farlo? Questo articolo fornisce una guida facile da usare per creare un sistema di inferenza basato sull’apprendimento approfondito con meno di 600 dollari.

Che cos’è l’inferenza basata sull’apprendimento approfondito?

L’inferenza è l’utilizzo di una rete neurale addestrata all’apprendimento approfondito per effettuare previsioni sui nuovi dati. L’inferenza risponde molto meglio a domande complesse e soggettive rispetto alla tradizionale analisi delle immagini basata su regole. Ottimizzando le reti perché vengano avviate su hardware a basso consumo, l’inferenza può essere effettuata “ai margini”, vicino alla fonte dei dati. Ciò elimina la dipendenza del sistema da un server centrale per l’analisi delle immagini; con conseguenti tempi di attesa inferiori, maggiore affidabilità e sicurezza

Che cos’è l’inferenza basata sull’apprendimento approfondito?

L’obiettivo di questa guida è realizzare un sistema affidabile e di alta qualità da implementare sul campo. Anche se va oltre la portata di questa guida, la combinazione di tecniche di visione computerizzata tradizionali e dell’inferenza basata sull’apprendimento approfondito può fornire grande accuratezza ed efficienza computazionale sfruttando i punti di forza di ogni approccio. Il computer a scheda singola Aaeon UP Squared-Celeron-4GB-32GB dispone della memoria e della potenza della CPU richieste da questo approccio. La sua CPU X64 Intel utilizza lo stesso software dei PC desktop tradizionali, semplificando lo sviluppo rispetto ai computer a scheda singola basati su ARM (SBC).

Il codice che abilità l’inferenza basata sull’apprendimento approfondito utilizza i salti concettuali; l’hardware dedicato può accelerare notevolmente l’esecuzione di tale codice. L’unità di elaborazione della visione (VPU) Movidius™ Myriad™ 2 Intel® è un acceleratore di inferenza molto potente ed efficiente, che è stato integrato nella nostra nuova telecamera di inferenza, Firefly DL.

Requisiti del software

Sono disponibili numerosi strumenti gratuiti per la creazione, l’addestramento e l’implementazione di modelli di inferenza basati sull’apprendimento approfondito. In questo progetto vengono utilizzati diversi software gratuiti e open source. Le istruzioni per l’installazione di ogni pacchetto software sono disponibili sui rispettivi siti web. Questa guida presuppone la conoscenza dei fondamenti di utilizzo della console Linux.

.

Fig. 1. Flusso di inferenza basata sull’apprendimento approfondito e strumenti associati a ogni passaggio.

Guida dettagliata

Getting Started with Firefly Deep Learning on Linux  fornisce un’introduzione su come riqualificare una rete neurale e convertire il file risultante in un formato compatibile con Firefly e visualizzare i risultati utilizzando SpinView. Agli utenti è fornito un processo dettagliato su come addestrare e convertire le reti di inferenza attraverso il terminale.

Articoli correlati

Neural Networks Supported by the Firefly Deep Learning mostra quali reti neurali abbiamo testato per il funzionamento su Firefly-DL. 

Tips on creating Training Data for Deep Learning Neural Networks illustra come creare una rete neurale di apprendimento approfondito efficiente creando dati di addestramento di alta qualità per un’applicazione specifica.

Troubleshooting neural network graph conversion issues fornisce utili suggerimenti sui problemi che potrebbero verificarsi quando si convertono i file della rete di inferenza in formato compatibile con Firefly e come risolverli.