0,00 €

V košarici ni izdelkov.

0,00 €

V košarici ni izdelkov.

More
    DomovRevijaNova številkaKako nekdo, ki ni strokovnjak za umetno inteligenco, razvija modele umetne inteligence...

    Kako nekdo, ki ni strokovnjak za umetno inteligenco, razvija modele umetne inteligence za vid?

    Renesas Electronics Corporation
    Avtor: Takaaki Suezawa, Renesas Electronics

    Zaradi hitrega razvoja umetne inteligence za vid se povečuje število primerov, ko stranke same razvijajo modele in aplikacije umetne inteligence.

    Čeprav se izkušnje z razvojem umetne inteligence za vid razlikujejo od stranke do stranke, številne stranke šele začenjajo razvijati ugnezdeno umetno inteligenco.

    Stranke se soočajo z naslednjimi izzivi pri razvoju umetne inteligence (UI).

    Razlike v procesih razvoja programske opreme
    Poleg razvoja običajne ugnezdene programske opreme je za razvoj programske opreme z umetno inteligenco potreben tudi razvojni tok za razvoj programske opreme z umetno inteligenco. Najprej je treba zbrati podatke, potrebne za učenje UI, v skladu z zahtevanimi specifikacijami in zasnovati UI model. Po uporabi zasnovanega UI modela za učenje UI in preverjanju njegove natančnosti se usposobljeni UI model optimizira in pretvori v obliko, ki lahko deluje v napravi.

    Nato je treba opraviti vrsto korakov, ga vključiti v aplikacijo umetne inteligence in ga namestiti v dejanski napravi. Poleg tega, če je natančnost na dejanski napravi nezadostna, se morate vrniti k dodajanju podatkov, da izboljšate natančnost, in te razvojne tokove večkrat ponoviti.

    Pomanjkanje znanja in spretnosti, potrebnih za razvoj programske opreme za umetno inteligenco
    Pri razvoju programske opreme umetne inteligence se običajno uporablja okolje, ki temelji na ukazni vrstici, pri čemer morajo uporabniki namestiti potrebno programsko opremo in nastaviti okolje. Te razlike v razvojnih okoljih so ovira za začetnike, saj nimajo izkušenj z razvojem umetne inteligence na robu in nimajo znanja ali spretnosti, povezanih z umetno inteligenco.Zaradi teh izzivov menimo, da se številne stranke težko lotijo razvoja programske opreme umetne inteligence. Izdali smo AI Navigator kot okolje za razvoj umetne inteligence za vid, tudi za stranke, ki šele začenjajo z razvojem ugnezdene umetne inteligence.

    Kaj je AI Navigator
    AI Navigator je celovito orodje za razvoj aplikacij za umetno inteligenco. To orodje podpira skupine RZ/V2L in RZ/V2H serije RZ/V.

    Lastnosti:
    UI aplikacije in UI orodja, ki jih je omogočil Renesas, so integrirana v AI Navigator.
    Lahko izberete eno izmed UI aplikacij iz “AI application zoo” znotraj Renesas IDE okolja „e2 studio“ in enostavno zaženete AI aplikacijo na razvojni plošči.
    AI Navigator omogoča funkcije učenja za UI modele in funkcijo pretvorbe za zagon naučenih rezultatov na pospeševalniku umetne inteligence itd.
    Te funkcije strankam ne omogočajo le preproste uporabe aplikacij umetne inteligence, temveč jim pomagajo tudi pri prilagajanju modelov umetne inteligence, da ustrezajo njihovim primerom uporabe.

    S programom AI-Navigator lahko prilagodite svoj model umetne inteligence. Prilagajanje bomo razložili z naslednjimi tremi primeri.

    Spremenite elemente, ki jih je treba identificirati.
    Recimo, da imate model, ki lahko prepozna 20 različnih pasem psov. Ko govorimo o pasmah psov, so verjetno najbolj priljubljene pasme igračasti pudlji in miniaturni jazbečarji. Ko v ta model umetne inteligence vnesete sliko psa, bo ta ocenil, kateri pasmi psov je podoben, in izpiše najverjetnejšo pasmo psa. Če želite ustvariti model umetne inteligence, ki lahko na podlagi tega modela prepozna 20 vrst mačk namesto psov, potrebujete slikovne podatke o 20 vrstah mačk.

    Model umetne inteligence, ki lahko prepozna mačke, lahko ustvarite z uporabo metode učenja umetne inteligence, imenovane učenje s prenosom, z uporabo prvotnega modela za prepoznavanje psov in slikovnih podatkov o mačkah. Program AI Navigator podpira to učenje s prenosom, zato ga lahko v orodju preprosto preizkusite.

    Spremenite število elementov, ki jih je treba identificirati
    V tem primeru ustvarite model, ki lahko na podlagi prej omenjenega modela, ki določa 20 vrst psov, določi 30 vrst psov. V tem primeru boste poleg podatkov o 20 vrstah psov, uporabljenih pri učenju osnovnega modela, dodali še nove podatke o 10 vrstah psov, da bi izvedli učenje s prenosom.

    Izboljšajte natančnost identifikacije
    To je primer, ko želite prepoznati pse v dejanski napravi in imate že usposobljen model umetne inteligence, zato ga poskusite zagnati v dejanski napravi, vendar natančnost ni tako visoka, kot ste pričakovali. To je pogosta zgodba iz izkušenj.

    Razlogi za pomanjkanje natančnosti so različni, najpogostejši pa je, da se slikovni podatki, ki se uporabljajo pri učenju, razlikujejo od slikovnih podatkov, vnesenih v dejansko napravo. Če se podatki učijo z drugačnimi podatki od dejanskega primera uporabe, kot so razlike v zornem kotu ali svetlosti, natančnost pogosto ni dosežena. Da bi to rešili, lahko natančnost umetne inteligence izboljšamo tako, da podatkom, uporabljenim med učenjem, dodamo slikovne podatke, posnete s kamero, ki se dejansko uporablja v izdelku. Aplikacija AI Navigator lahko obravnava tudi takšne primere.
    Obstajata dva razvojna tokova: primer 1 in primer 2. Prvič, v primeru 1 lahko v AI Navigatorju izberete AI aplikacijo in izbrano UI aplikacijo takoj zaženete na razvojni plošči. Ker se uporablja vnaprej pripravljena UI aplikacija, je ni treba izdelati. Nato v primeru 2, kot je bilo pojasnjeno prej, gre za primer, v katerem prilagodite model umetne inteligence. Tako kot v primeru 1 izberete UI aplikacijo in jo ponovno usposobite z orodjem za učenje s prenosom. Predhodno usposobljeni UI model se izpiše kot predmet za DRP-AI v DRP-AI TVM. Nato lahko razvijete in sestavite UI aplikacijo ter jo zaženete na razvojni plošči. AI Navigator je vključen v e2 studio program, zato ga lahko uporabljate z namestitvijo e2 studio programa.

    Pripravili smo videoposnetke z navodili, ki vam bodo služili kot vodnik pri predstavitvi programa AI Navigator:
    Učno gradivo AI Navigator #1 – Zagon UI aplikacije
    https://www.renesas.com/video/ai-navigator-tutorial-1-run-ai-application
    Učno gradivo AI Navigator #2 – Prilagodite model umetne inteligence z orodjem za učenje s prenosom
    https://www.renesas.com/video/ai-navigator-tutorial-2-customize-ai-model-transfer-learning-tool
    Učno gradivo AI Navigator #3 – Kako razviti model umetne inteligence z orodjem za učenje s prenosom
    https://www.renesas.com/video/ai-navigator-tutorial-3-how-develop-ai-model-transfer-learning-tool

    Povzetek:
    „AI Navigator“ je odlično orodje za začetnike na področju umetne inteligence, ki lahko začnejo razvijati aplikacije umetne inteligence.

    Viri:
    Priročnik za hiter začetek
    https://renesas-rz.github.io/rzv_ai_sdk/latest/ainavi_quick_start_guide
    Povezava na datoteko
    https://www.renesas.com/software-tool/e2studio-information-rz-family
    AI aplikacije (AI application zoo)
    https://renesas-rz.github.io/rzv_ai_sdk/latest/#ai-applications
    [Blogi] Poiščimo želene aplikacije umetne inteligence, predstavljamo Renesasove aplikacije umetne inteligence, ki so na voljo brezplačno
    https://www.renesas.com/blogs/lets-find-ai-apps-you-want-introducing-renesas-ai-apps-available-free-charge
    *1 Orodje za učenje s prenosom
    https://renesas-rz.github.io/rzv_ai_sdk/latest/howto_retrain.html

    https://www.renesas.com