Обнаружение нарушений правил дорожного движения с помощью Faster R-CNN с Intel® DevCloud
Проектная работа на основе алгоритма глубокого обучения и предварительной обработки данных
Что такое Intel®DevCloud?
DevCloud — это кластер масштабируемых процессоров Intel® Xeon®, который поможет вам в обучении машинному обучению и глубокому обучению, а также в вычислениях для логических выводов. Он обеспечивает доступ к предварительно скомпилированному программному обеспечению, оптимизированному для архитектуры Intel® на масштабируемых процессорах Intel Xeon. Это включает в себя:
- Intel® Software Optimization для neon™
- TensorFlow* на архитектуре Intel®
- Оптимизация Intel® для MXNet*
- Intel® Distribution for Caffe*
- Intel® Distribution for Python* 2.7 и 3.6, включая NumPy, SciPy, pandas, scikit-learn, Jupyter, matplotlib и mpi4py
- Оптимизация программного обеспечения Intel® для Keras*
- Оптимизация программного обеспечения Intel® для Theano*
- Платформы и технологии искусственного интеллекта Intel Nervana, которые станут доступны в будущем
Когда вы получите доступ к DevCloud, вы войдете в головной узел на базе Linux пакетной фермы. Там вы можете размещать свой код и данные, компилировать и отправлять задания в очередь. После завершения задания в очереди ваши результаты окажутся в вашей домашней папке.
- Задания планируются для масштабируемых процессоров Intel® Xeon®.
- Каждый процессор имеет 24 ядра с двухсторонней гиперпоточностью.
- Каждый процессор имеет доступ к 96 ГБ встроенной оперативной памяти (DDR4).
- На любом процессоре одновременно будет выполняться только одно задание.
- Вы получите 200 ГБ квоты на файловое хранилище.
- Ваш домашний каталог не виден другим пользователям.
- По истечении периода доступа ваш домашний каталог в кластере будет удален.
Это так много вычислительной мощности! Теперь давайте решим задачу в реальном времени…
В 2015 году в Индии произошло около пяти миллионов дорожно-транспортных происшествий, в результате которых погибло около полутора тысяч человек и около пяти тысяч получили ранения, что привело к ежегодным денежным потерям в размере миллионов долларов.
…с помощью компьютерного зрения и сред глубокого обучения, таких как TensorFlow 2.0 и Keras.
DevCloud предоставляет ноутбуки Jupyter, использующие высокопроизводительные процессоры Intel. Наша команда использовала данные изображения, извлеченные из видео, и аннотировала их с помощью инструмента Intel Annotator. Аннотированные данные передаются более быстрому алгоритму RCNN, где мы разделяем дату и обучаем модель на несколько итераций!
Мотивация использования Faster RCNN заключалась в том, что данные о трафике представляют собой данные в реальном времени и состоят из изображений и видео. Результаты были довольно впечатляющими, и с помощью сегментации изображений постоянно ведется разработка, чтобы различать различные модули нарушений правил дорожного движения! ✌️
Для настройки и доступа к Intel DevCloud следуйте этому руководству…
https://devmesh.intel.com/users/ajinkya-jawale/group
Вот некоторая помощь от ресурсов Intel!
Присоединяйтесь к сообществу Intel DevCloud! ЛЮБЛЮ КОДИРОВАНИЕ! ЗАНИМАЙТЕСЬ МИРОМ! ❤️
Intel DevMesh и Intel DevCloud Спасибо! :)
Ресурсы:
- Аджинкья Джавале — https://devmesh.intel.com/users/ajinkya-jawale/groups
Найдите все больше и больше полезных ресурсов, связанных с #ai #machinelearning #deeplearning #python… https://twitter.com/Ajinkya_Tweets
Аджинкья Джавале, https://www.linkedin.com/in/ajinkya-jawale-b3421a12a/
https://angel.co/ajinkya-jawale
Свяжитесь со мной здесь, [email protected]
спасибо!
