16 मे, 2018 रोजी, रॉकचिपने त्याच्या RK3399 चिप प्लॅटफॉर्मवर चालणारे सखोल शिक्षण-आधारित लक्ष्य शोध तंत्रज्ञान समाधान जारी केले, जे उच्च श्रेणीतील AI कृत्रिम बुद्धिमत्ता उद्योगासाठी अर्ध-टर्नकी सोल्यूशन प्रदान करू शकते आणि Android आणि Linux दोन्ही प्रणालींना समर्थन देऊ शकते. . लक्ष्य शोध दर 8 फ्रेम/सेकंद पेक्षा जास्त पोहोचतो.
कृत्रिम बुद्धिमत्तेच्या क्षेत्रात, लक्ष्य शोधणे ही एक अतिशय लोकप्रिय संशोधन दिशा आहे. लक्ष्य शोध म्हणजे चित्रे किंवा व्हिडिओंमध्ये लक्ष्यित वस्तू शोधणे आणि त्याचे वर्गीकरण करणे. मशीन्ससाठी, आरजीबी पिक्सेल मॅट्रिक्समधून वस्तूंची अमूर्त संकल्पना आणि स्थिती थेट प्राप्त करणे कठीण आहे, जे AI कृत्रिम बुद्धिमत्ता अनुप्रयोगांसाठी मोठी आव्हाने आणते.
सध्या, कृत्रिम बुद्धिमत्ता तंत्रज्ञानाचे मुख्य संशोधन आणि विकास दिशानिर्देश आहेत: चेहरा शोधणे, मानवी शरीर शोधणे, वाहन शोधणे, द्विमितीय कोड शोधणे आणि जेश्चर ओळखणे इ., ज्याचा मोठ्या प्रमाणावर मॉनिटरिंग, बुद्धिमान वाहतूक, नवीन रिटेलमध्ये वापर केला जाऊ शकतो. , नैसर्गिक परस्परसंवाद इ. आधार आहे ऑब्जेक्ट शोध तंत्रज्ञान. सखोल शिक्षणावर आधारित लक्ष्य शोध तंत्रज्ञानामध्ये उच्च अचूकता आणि मजबुती आहे, परंतु संगणकीय भार तुलनेने मोठा आहे, आणि ते दीर्घकाळ एम्बेडेड उपकरणांमध्ये व्यावहारिकरित्या तैनात आणि लागू केले जाऊ शकत नाही.
AI आर्टिफिशियल इंटेलिजन्स मार्केट आणि तांत्रिक गरजांना प्रतिसाद म्हणून, Rockchip ने शक्तिशाली RK3399 प्लॅटफॉर्मवर MobileNet SSD नेटवर्क खास ऑप्टिमाइझ केले आहे, जेणेकरून उच्च-सुस्पष्टता MobileNet SSD300 1.0 8 फ्रेम पेक्षा जास्त फ्रेम दराने चालते आणि MobileNet सह किंचित कमी अचूकता आणि वेगवान गती SSD300 0.75 11 fps पेक्षा जास्त वेगाने धावते. अर्ध-रिअल-टाइम रनिंग स्पीड एम्बेडेड टर्मिनलमध्ये लक्ष्य शोधण्याचे मूलभूत AI तंत्रज्ञान आणते.
त्याच्या अर्ध-रिअल-टाइम धावण्याच्या गतीव्यतिरिक्त, हे तांत्रिक समाधान Google च्या TensorFlow ऑब्जेक्ट डिटेक्शन प्रशिक्षणाद्वारे निर्यात केलेल्या TensorFlow Lite मॉडेलला समर्थन देते. सध्या, टेन्सरफ्लो ऑब्जेक्ट डिटेक्शनवर आधारित मोठ्या संख्येने वापर प्रकरणे आहेत, ज्यामध्ये सर्व प्रकारचे डिटेक्शन फेस ते ऑब्जेक्टपर्यंत समाविष्ट आहे, जे उद्योगातील सर्वात सोयीस्कर आणि लोकप्रिय लक्ष्य शोध फ्रेमवर्कपैकी एक आहे.
RK3399 चिप प्लॅटफॉर्मवर आधारित रॉकचिपचे डीप लर्निंग टार्गेट डिटेक्शन टेक्नॉलॉजी सोल्यूशन एकाच वेळी अँड्रॉइड किंवा लिनक्स सिस्टीमला सपोर्ट करू शकते, टार्गेट डिटेक्शन टेक्नॉलॉजी वापरून एआय उत्पादनांचा वापरकर्ता अनुभव सुधारू शकते, संशोधन आणि विकास चक्र मोठ्या प्रमाणात कमी करू शकते आणि उच्च श्रेणीतील एआयला मदत करू शकते. बुद्धिमान उत्पादने शक्य तितक्या लवकर बाजारात येण्यासाठी.