فناوری FOMO جهشی در زمینه بینایی ماشین

فناوری FOMO جهشی در زمینه بینایی ماشین

فناوری FOMO جهشی در زمینه بینایی ماشین
فناوری FOMO جهشی در زمینه بینایی ماشین

مدل FOMO (Faster Object, More Object) باهدف کاهش نیاز سخت‌افزاری پردازش‌های تشخیص اشیاء و همچنین بهبود کارایی آن‌ها، به‌خصوص در کاربردهای با منابع محدود (سیستم‌های Embedded) طراحی‌شده است.

طبق ادعای شرکت سازنده، فناوری FOMO تا 30 برابر از شبکه MobileNet SSD سریع‌تر است و می‌تواند با کمتر از 200 کیلوبایت RAM کار کند! طبق گزارش دیگری از Edge Impulse، فناوری FOMO حالت‌های مختلف تشخیص اشیاء را ارائه می‌کند؛ دسته‌بندی ابتدای تصاویر (مثلاً اینکه آیا در تصویر چهره‌ای وجود دارد یا نه؟) و انواع پیچیده‌تر تشخیص اشیاء (چند چهره در تصویر دیده می‌شوند، در صورت وجود چهره، مکان آن در تصویر کجاست و اندازه آن چقدر است؟) در نوع ساده تشخیص شیء ممکن است مثلاً تنها موقعیت اشیاء در تصویر پیدا شود و اندازه آن‌ها راندانیم.

 

فناوری FOMO

بنابراین در زمان پردازش تصویر توسط این مدل، به‌جای کادر معمول در اطراف چهره، تنها موقعیت چهره به همراه یک دایره کوچک (به نام centroid) نشان داده می‌شود. تصویر ورودی FOMO می‌تواند در اندازه‌های مختلفی باشد. این مدل می‌تواند تصویری به کوچکی 96‌x96 پیکسل را پردازش کند. در مرحله اول پردازش، تصویر اصلی به جدولی از تصاویر کوچک‌تر (با اندازه پیش‌فرض 8‌x8) تقسیم می‌شود. سپس عمل دسته‌بندی، به‌صورت موازی و مستقل روی همه این تصاویر کوچک‌تر، انجام خواهد شد. به‌عنوان‌مثال، برای یک تصویر با اندازه 96‌x96 و اندازه سلول جدول 8‌x8، به تعداد 12‌x12 تقسیم‌بندی خواهیم داشت؛

 

هر چه اندازه تصویر ورودی کوچک‌تر باشد، نیازمندی‌های سخت افزاری نیز کمتر خواهد بود. برای مثال فناوری FOMO به همراه MobileNetV2 0.05 alpha، برای پردازش یک تصویر grayscale با ابعاد 96‎ x 96 و به سرعت حدود 10‎ fps، روی یک پردازنده Cortex-M4F (با فرکانس 80‎ MHz) به کمتر از 100KB RAM نیاز خواهد داشت.

باید توجه شود که به دلیل محدودیت‌های مربوط به تقسیم‌بندی تصویر، مدل FOMO زمانی که اشیاء در تصویر، اندازه مشابهی داشته باشند و  بیش‌ازحد به هم نزدیک نباشند، عملکرد بهتری دارد.

ویدیوی زیر عملکرد یک بورد Arduino Nicla Vision (که در آن از یک میکروکنترلر STM32H7 Cortex-M7 استفاده‌شده است) در تشخیص اشیاء قوطی و بطری با سرعت 30‌ fps را نشان می‌دهد؛

 

 

نتیجه

اگرچه فناوری FOMO با میکروکنترلرها سازگاری زیادی دارد، اما کاربردش به آن‌ها محدود نمی‌شود از FOMO می‌توان روی سخت‌افزار لینوکسی هم استفاده کرد. به‌عنوان مثال درجایی که به عملکرد قوی‌تری نیاز داشته باشیم، می‌توانیم برای تشخیص اشیاء با سرعت 60 فریم بر ثانیه، از بورد Raspberry Pi 4 SBC استفاده کنیم.

FOMO تنها روی بوردهایی قابل‌استفاده است که به دوربین مجهز باشند و توسط Edge Impulse پشتیبانی شوند. جزییات بیشتر در این زمینه، در بیانیه و اسناد منتشرشده، قابل‌دسترسی است.

منبع

برچسب ها

2 نفر

پــــســنــدیـده انـد

توجه

سیاوش
سیاوش

کارشناس ارشد الکترونیک دیجیتال، علاقه‌مند به یادگیری

دیدگاه ها

0 دیدگاه

پر بحث ترین ها

مسابقه دوم : چالش برنامه نویسی به زبان C

مسابقه دوم : چالش برنامه نویسی به زبان C

مسابقه اول سیسوگ (مسابقه اول: درک سخت افزار) انتقادهای زیادی رو در پی داشت تا جایی که حتی خودمم به نتیجه مسابقه...

Zeus ‌ Zeus ‌
  • 3 سال پیش
راه اندازی LCD گرافیکی Nokia 1661

راه اندازی LCD گرافیکی Nokia 1661

LCD گرافیکی یکی از مهم ترین پارامترهای موجود در طراحی انواع مدارات الکترونیکی پیچیده و حتی ساده است ، نمایش وضعیت و...

Zeus ‌ Zeus ‌
  • 4 سال پیش
ریموت کدلرن و چکونگی دکد کردن آن به همراه سورس برنامه

ریموت کدلرن و چکونگی دکد کردن آن به همراه سورس برنامه

ریموت کنترل امروزه کاربرد زیادی پیدا کرده است؛ از ریموت‌های درب بازکن تا ریموت‌های دزدگیر و کنترل روشنایی همه از یک اصول اولیه پیروی می‌کنند و آن‌هم ارسال اطلاعات به‌صورت بی‌سیم است....

Zeus ‌ Zeus ‌
  • 5 سال پیش
همه چیز درباره ریموت کنترل‌های هاپینگ

همه چیز درباره ریموت کنترل‌های هاپینگ

امنیت همیشه و در همه‌ی اعصار، مقوله‌ی مهم و قابل‌توجه‌ ای بوده و همیشه نوع بشر به دنبال امنیت بیشتر، دست به ابداعات و اختراعات گوناگونی زده است. ریموت کنترل یکی از این اختراعات است. در این مقاله، به بررسی امنیت انواع ریموت‌های کنترل خواهیم پرداخت....

Zeus ‌ Zeus ‌
  • 5 سال پیش
مسابقه سوم: استخراج داده از رشته ها در زبان C

مسابقه سوم: استخراج داده از رشته ها در زبان C

نزدیک به 5 ماه از مسابقه دوم سیسوگ می‌گذره و فکر کردم که بد نیست یک چالش جدید داشته باشیم! البته چالش‌ها...

Zeus ‌ Zeus ‌
  • 2 سال پیش
مسابقه ششم: بزن میکروکنترلر را بسوزون!

مسابقه ششم: بزن میکروکنترلر را بسوزون!

بزنم میکروکنترلر را بسوزونم اونم تو  این شرایط!، طراحی مسابقه از اون چیزی که به نظر می‌رسه سخت‌تر است، باید حواست باشه...

Zeus ‌ Zeus ‌
  • 1 سال پیش
آموزش قدم به قدم راه اندازی NRF24L01

آموزش قدم به قدم راه اندازی NRF24L01

آموزش قدم به قدم راه اندازی +NRF24L01  با کتابخانه سازگار با انواع میکروکنترلرها و کامپایلرها قبل از اینکه قسمت بشه با ماژول...

رسول خواجوی بجستانی رسول خواجوی بجستانی
  • 3 سال پیش
ساخت ماینر با FPGA و ARM

ساخت ماینر با FPGA و ARM

چند ماهی هست که تب بیت کوین و ارزهای دیجیتال خیلی بالا رفته! چه شد که این پست را نوشتم همانطور که...

Zeus ‌ Zeus ‌
  • 3 سال پیش
کار با ماژول تمام عیار mc60 – قسمت دوم – راه اندازی OpenCPU

کار با ماژول تمام عیار mc60 – قسمت دوم – راه اندازی OpenCPU

در قسمت اول به یکسری اطلاعات کلی ماژول mc60 پرداختیم، با نرم افزار QNavigator کار کردیم و یک هدربرد هم برای کار...

Mahdi.h   Mahdi.h  
  • 3 سال پیش
مسابقه چهارم: کدام حلقه سریع‌تر است؟

مسابقه چهارم: کدام حلقه سریع‌تر است؟

حدود ۷ ماه پیش، مسابقه سوم سیسوگ رو برگزار کردیم و کلی نکته در مورد خواندن رشته‌های ورودی را بررسی کردیم. فکر...

Zeus ‌ Zeus ‌
  • 2 سال پیش
سیـــســـوگ

مرجع متن باز آموزش الکترونیک