?瑞芯微發(fā)布AI目標檢測技術(shù)方案，目標檢測速率達8幀/秒以上

今天，國內(nèi)知名芯片廠商瑞芯微宣布，推出運行在RK3399芯片平臺的基于深度學(xué)習的目標檢測技術(shù)方案。據(jù)悉，該方案可為AI人工智能行業(yè)提供準Turnkey解決方案，可同時支持Android及Linux系統(tǒng)，其目標檢測速率達到8幀/秒以上。
 

在人工智能領(lǐng)域中目標檢測是非常熱門的研究方向，目標檢測是指對圖片或視頻中的目標性物體進行定位并分類。對于機器來說，從RGB像素矩陣中很難直接得到物體的抽象概念并定位，這給AI人工智能應(yīng)用帶來很大的挑戰(zhàn)。

目前，人工智能技術(shù)的主要研發(fā)方向為：人臉檢測、人體檢測、車輛檢測、二維碼檢測及手勢識別等，可廣泛應(yīng)用在監(jiān)控、智能交通、新零售、自然交互等，而這些應(yīng)用的基礎(chǔ)正是目標檢測技術(shù)?；谏疃葘W(xué)習的目標檢測技術(shù)具有很高的準確性和魯棒性，但運算量比較大，長期無法在嵌入式設(shè)備中取得實際部署和應(yīng)用。

針對AI人工智能市場和技術(shù)需求，Rockchip在性能強大的RK3399平臺上，對MobileNet SSD網(wǎng)絡(luò)進行專項優(yōu)化，使高精度的MobileNet SSD300 1.0運行幀率達到8幀以上，精度略低而速度更快的MobileNet SSD300 0.75的運行幀率超過11幀。準實時的運行速度，將目標檢測這一基礎(chǔ)AI技術(shù)在嵌入式端帶向?qū)嵱谩?/p>

除了準實時的運行速度外，這一技術(shù)解決方案支持Google的TensorFlow Object Detection訓(xùn)練導(dǎo)出的TensorFlowLite模型。目前已有大量基于TensorFlow Object Detection的使用案例，涵蓋從面部到物體的各類檢測，是工業(yè)上最方便使用、最普及的目標檢測框架之一。

Rockchip基于RK3399芯片平臺的深度學(xué)習目標檢測技術(shù)解決方案可同時支持Android或Linux系統(tǒng)，提升使用目標檢測技術(shù)的AI產(chǎn)品的用戶體驗，大幅縮短研發(fā)周期，幫助更多的AI智能產(chǎn)品盡早面市。