2017'deki en popüler 3 AI kiti - Google Vision kit, DeepLens & BerryNet’in hızlı bir rehberi

Son birkaç hafta bizim için çok heyecan vericiydi. Amazon ilk derin öğrenme özellikli video kamerayı tanıttı - DeepLens. Google en son AIY Projesi'ni (Vision Kit) açıkladı. DT42'de, her zaman son teknolojiye derin öğrenme getirmenin geleceğe yönelik anahtar olduğuna inanıyoruz. Ayrıca AI teknolojisinin sadece büyük teknoloji devleri tarafından domine edilmemesi gerektiğine inanıyoruz ama herkes için hazır. Bu yüzden BerryNet [1] projesini yarım yıl önce piyasaya sürdük. BerryNet, AI cihazlarının gücünü artıran ilk AI Gateway FLOSS Projesidir.

Bu son 3 harika AI edge vision powerups ile - ya da oyuncaklar demeliyim, hayatınızdaki problemi çözmek için AI kullanarak kendi projenizi oluşturabilirsiniz. Diyelim ki, maymunların arka bahçenize karışmasını ve tüm meyvelerinizi yemesini önlemek için bir maymun alarm kamerası oluşturmak istiyorsanız. Google AIY Vision Kit, DeepLens veya BerryNet'i kullanarak atmanız gereken adımlar nelerdir?

Burada kısa bir talimat vermek istiyoruz.

Şekil 1. Maymun alarm sistemi

Şekil 2, farklı araçlar kullanarak yapacağınız donanım ve yazılımın kısa bir resmini göstermektedir.

Şekil 2. Monkey alarm sisteminin ana bileşenleri

Tüm Monkey alarm sistemi beş ana bileşen içerir: Veri alıcısı: bir kamera

(a) Veri alıcısı: bir kamera
(b) Hesaplama donanımı: tensör hesaplaması için temel donanım bileşeni
(c) Yazılım sistemi: derin öğrenme kitaplıkları ve yerel donanımda çalışan işletim sistemi dahil.
(d) AI modeli: girdi verilerini analiz etmek için kullanılan derin öğrenme modeli
(e) Alarm tetikleme sistemi: algılama sonuçlarını kullanıcılara iletme

Daha sonra, üç aracı ayrı ayrı kullanarak adımların daha fazlasını açıklayacağız.

Google AIY görüş seti

Şekil 3. Görsel kiti kullanan sistemin bileşenleri

Hazırlamanız gereken donanım: Pi kamera 2 (a), Vision kit (b), Ahududu Pi sıfır w.

Adımlar:
 1 - AIY Project web sitesindeki [2] talimatlara uyarak kiti monte edin ve resmi (3) SD karta yükleyin.
 2 - Derin bir öğrenme modelini maymun dedektörü (d) olarak eğitin ve derleyin,
 3 - Maymun algılamak için eğitimli modeli VisionBonnet'e yükleyin
 4 - Alarm tetikleyicisini (e) oluşturmak ve Android App üzerinden kontrol etmek için SDK'yi kullanın.

Algılamak istediğiniz nesnenin zaten resimle birlikte olması durumunda, sadece 2. adımı atlayabilirsiniz.

AWS DeepLens

Şekil 4. DeepLens kullanan sistemin bileşenleri

Hazırlamanız gereken donanım: AWS DeepLens, (a), (b) ve (c) bileşenlerini içerir

Adımlar:
 1 - Çevrimiçi olarak DeepLens'i kaydedin, bağlayın ve kurun.
 2 - Bir maymun algılama modelini (d) eğitmek için AWS SageMaker kullanın.
 2.1 DeepLens konsolunda bir “maymun algılama projesi” oluşturun
 2.2 Adım 2.1'de eğitilen modeli alın ve projeyi DeepLens'e dağıtın
 3 - Alarm tetikleyici (e) oluşturmak için AWS Yönetim Konsolu'nu kullanın.

AWS DeepLens'i kullanarak, diğer iki kitin aksine, tüm donanımı kendiniz hazırlamanıza gerek yoktur. Ancak, bu aynı zamanda esnekliği de sınırladı.

BerryNet

Şekil 5. BerryNet kullanan sistemin bileşenleri

Hazırlamanız gereken donanım: Raspberry Pi 3 (b), bir IP / Nest / Pi kamera (a). Ayrıca daha iyi çıkarım performansı için Movidius Neural Compute Sticker satın alabilirsiniz. Adımlar:

1 - Derin bir öğrenme modelini para dedektörü olarak eğitmek (d)
 2 - Raspberry Pi’de eğitimli model ile BerryNet’i (c) kurun ve yapılandırın
 3 - Giriş istemcisini veri alıcısı olarak ayarlayın (bir pi kamera, bir IP kamera veya bir Nest kamera olabilir) ve çıktı istemcisini alarm tetikleyicisi olarak etkinleştirin.

Şu anda, model eğitimi kullanıcıların ortamı el ile kurmasını gerektirmektedir. Örneğin, maymun detektörünü eğitmek için YOLO web sitesini [3] takip etmek. Kullanımı kolay yeni bir hizmet olan Epeuva [4], müşterilerin modeli eğitmesine yardımcı olmak için yakında geliyor. Erken davet için kayıt olmak için tıklayın.

Epeuva'da, herhangi bir kodlama çabası olmadan kendi verilerinizi ve özelleştirilmiş AI modellerinizi getirebilirsiniz. 1. adımı tekrarlayarak, kullanıcılar istedikleri bir algılama sistemini kolayca kurabilirler.

Derin öğrenme ve AI'nın herkes ve her cihaz için demokratikleştirileceği bir dünya öngörüyoruz. BerryNet projesi GPL lisansına sahiptir çünkü AI'yi fildişi kulelerden alıp herkes için erişilebilir hale getirmek istiyoruz.

Bilişim yoğun döngülere girdi, merkezileşmeden dağıtıldı ve tekrar geri döndü. Edge AI'nın yakın gelecekte daha fazla ve daha kullanışlı uygulamalar geliştirmek için anahtar olduğuna inanıyoruz.

[1] https://github.com/DT42/BerryNet
[2] https://aiyprojects.withgoogle.com/vision#assembly-guide-7-now-what
[3] https://pjreddie.com/darknet/yolo/
[4] http://www.dt42.io/epeuva/index.html#contact-section