導(dǎo)讀

2023年以ChatGPT為代表的大語(yǔ)言模型橫空出世，它的出現(xiàn)標(biāo)志著自然語(yǔ)言處理領(lǐng)域取得了重大突破。它在文本生成、對(duì)話系統(tǒng)和語(yǔ)言理解等方面展現(xiàn)出了強(qiáng)大的能力，為人工智能技術(shù)的發(fā)展開(kāi)辟了新的可能性。同時(shí)，人工智能技術(shù)正在進(jìn)入各種應(yīng)用領(lǐng)域，在智慧城市、智能制造、智慧醫(yī)療、智慧農(nóng)業(yè)等領(lǐng)域發(fā)揮著重要作用。

本期介紹：模型案例：|手機(jī)識(shí)別模型！

RT-DETR

RT-DETR是基于DETR架構(gòu)的端到端對(duì)象檢測(cè)器，完全消除了對(duì)NMS的需求。通過(guò)這樣做，RT-DETR顯著減少了之前基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的對(duì)象檢測(cè)器（如YOLO系列）的延遲。它結(jié)合了強(qiáng)大的主干、混合編碼器和獨(dú)特的查詢選擇器，可以快速準(zhǔn)確地處理特征。

RT-DETR架構(gòu)的關(guān)鍵組件

Backbone網(wǎng)絡(luò)：通常采用高效的卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為特征提取的基礎(chǔ)，例如ResNet或EfficientNet，以獲取圖像的多尺度特征。從主干，RT-DETR提取三個(gè)級(jí)別的特征- S3，S4和S5，這些多尺度特征有助于模型理解圖像的高級(jí)和細(xì)粒度細(xì)節(jié)。

Transformer編碼器-解碼器：RT-DETR中使用了Transformer的編碼器-解碼器結(jié)構(gòu)，該混合編碼器包括兩個(gè)主要部分：基于注意力的尺度內(nèi)特征交互（AIFI）和跨尺度特征融合（CCFF）。

基于注意力的尺度內(nèi)特征交互（AIFI）

這個(gè)組件的核心思想是利用自注意力機(jī)制在同一尺度內(nèi)進(jìn)行特征交互。AIFI能夠讓模型有效地捕捉同一尺度特征圖中各個(gè)位置之間的關(guān)系。

具體而言，AIFI通過(guò)計(jì)算特征的注意力權(quán)重，使得模型能夠關(guān)注到重要的區(qū)域，并抑制冗余信息，從而增強(qiáng)對(duì)目標(biāo)的定位和表征能力。

這種尺度內(nèi)的交互有助于在相似尺寸的物體之間建立聯(lián)系，提高對(duì)密集目標(biāo)的檢測(cè)能力。

跨尺度特征融合（CCFF）

CCFF負(fù)責(zé)整合來(lái)自不同尺度的特征，以便于模型能夠從多層次的信息中獲得更全面的上下文。這一過(guò)程通常涉及將來(lái)自不同尺度的特征圖進(jìn)行融合，通過(guò)卷積操作、上采樣或下采樣等方式，將這些特征進(jìn)行對(duì)齊并結(jié)合在一起。

CCFF不僅允許模型綜合不同尺度特征的優(yōu)勢(shì)，還能提高對(duì)各種大小目標(biāo)的檢測(cè)能力。

多尺度特征金字塔：RT-DETR通常會(huì)借助特征金字塔網(wǎng)絡(luò)（FPN）來(lái)融合來(lái)自不同層次的特征，以加強(qiáng)對(duì)不同大小目標(biāo)的檢測(cè)能力。

目標(biāo)查詢（Object Queries）：解碼器使用的目標(biāo)查詢是關(guān)鍵組件，它們用于引導(dǎo)模型對(duì)目標(biāo)的檢測(cè)，允許模型在生成檢測(cè)結(jié)果時(shí)關(guān)注不同的潛在目標(biāo)。

類別和邊界框回歸：在解碼器中，RT-DETR通過(guò)類別預(yù)測(cè)和邊界框回歸來(lái)輸出目標(biāo)的類別和位置。

高效的訓(xùn)練策略：RT-DETR往往結(jié)合了一些改進(jìn)的訓(xùn)練策略，如動(dòng)態(tài)圖損失（Dynamic Loss）和圖像增強(qiáng)技術(shù)，以提高模型的收斂速度和檢測(cè)精度。

后處理：如NMS（非極大值抑制）處理步驟，以去除冗余的檢測(cè)框和優(yōu)化最終的檢測(cè)結(jié)果。

手機(jī)識(shí)別模型

該 AI 模型由 Swift yolo 算法生成，專為 Seeed Studio Grove Vision AI （V2） 設(shè)備設(shè)計(jì)，能夠高效識(shí)別和檢測(cè)到手機(jī)。

應(yīng)用場(chǎng)景

該模型適用于多種應(yīng)用場(chǎng)景，包括零售、安全、公共空間監(jiān)控和個(gè)人監(jiān)督。

在零售業(yè)，該模型可以實(shí)時(shí)監(jiān)控手機(jī)庫(kù)存，幫助員工及時(shí)補(bǔ)貨；

在安全方面，它可以幫助識(shí)別和跟蹤丟失或被盜的手機(jī)；

在個(gè)人監(jiān)督，很多學(xué)生上課玩手機(jī)，可以通過(guò)此模型進(jìn)行監(jiān)控。

SenseCraft Al平臺(tái)

SenseCraft Al平臺(tái)，是柴火母公司矽遞科技旗下的AI平臺(tái)，支持Grove-Vision AI V2、XIAO ESP32S3 Sense和NVIDlA Jetson設(shè)備的模型部署、模型訓(xùn)練和數(shù)據(jù)輸出。

SenseCraft Al平臺(tái)為使用者提供海量模型，簡(jiǎn)化模型訓(xùn)練過(guò)程并提供專業(yè)的AI視覺(jué)工作空間。

在Grove - Vision AI V2模塊上部署模型

1、打開(kāi)SenseCraft AI平臺(tái)，如果第一次使用請(qǐng)先注冊(cè)一個(gè)會(huì)員賬號(hào)，還可以設(shè)置語(yǔ)言為中文。

平臺(tái)地址：

https://sensecraft.seeed.cc/ai/#/model

2、在頂部單擊【預(yù)訓(xùn)練模型】菜單，在公共AI模型列表中找到【手機(jī)檢測(cè)】模型，單擊此模型圖片，如下圖所示。

3、進(jìn)入【手機(jī)檢測(cè)】模型介紹頁(yè)面，單擊右側(cè)的“部署模型”按鈕，如下圖所示。

4、進(jìn)入部署手機(jī)檢測(cè)模型頁(yè)面，按提示步驟先連接攝像頭，再連接設(shè)備到電腦USB接口上，最后單擊【連接設(shè)備】按鈕，如下圖所示。

5、彈出部署模型窗口，單擊“確定”按鈕，如下圖所示。

6、彈出連接到串行端口窗口，選擇端口號(hào)后單擊“連接”按鈕，如下圖所示。

7、開(kāi)始進(jìn)行模型部署、固件下載、設(shè)備重啟等過(guò)程，完成后在預(yù)覽中即可看到當(dāng)前攝像頭視頻內(nèi)容，將攝像頭對(duì)準(zhǔn)手機(jī)圖片查看預(yù)測(cè)效果，如下圖所示。

原型設(shè)計(jì)

利用此手機(jī)識(shí)別模型，設(shè)計(jì)一個(gè)桌面手機(jī)監(jiān)控裝置，此裝置在檢測(cè)到有人用手機(jī)時(shí)會(huì)點(diǎn)亮led模塊，也可改為蜂鳴器模塊進(jìn)行報(bào)警，這樣就有了一個(gè)防沉迷手機(jī)檢測(cè)裝置。

模型推理演示，請(qǐng)看如下視頻

Grove Al視覺(jué)模塊 V2套裝介紹

Grove Al視覺(jué)模塊 V2

OV5647-62攝像頭

Grove - Vision Al Module V2是一款拇指大小的人工智能視覺(jué)模塊, 配備Himax WiseEye2 HX6538處理器和Arm Ethos-U55嵌入式神經(jīng)網(wǎng)絡(luò)加速單元（NPU）, 該處理器采用 ArmCortex-M55雙核架構(gòu)。

Arm Ethos-U55 嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）

嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）是一種特別設(shè)計(jì)用于執(zhí)行神經(jīng)網(wǎng)絡(luò)計(jì)算的高效率處理器。它主要基于數(shù)據(jù)驅(qū)動(dòng)并行計(jì)算架構(gòu)，特別擅長(zhǎng)處理視頻、圖像等大量的多媒體數(shù)據(jù)。NPU模仿了生物神經(jīng)網(wǎng)絡(luò)的架構(gòu)，與CPU、GPU相比，它能夠通過(guò)更少的指令（一條或幾條）完成神經(jīng)元的處理，因此在深度學(xué)習(xí)的處理效率方面具有明顯優(yōu)勢(shì)。

它具有標(biāo)準(zhǔn)的CSI接口, 并與樹莓派相機(jī)兼容。它有一個(gè)內(nèi)置的數(shù)字麥克風(fēng)和SD卡插槽。它非常適用于各種嵌入式視覺(jué)項(xiàng)目。

有了SenseCraft Al算法平臺(tái), 經(jīng)過(guò)訓(xùn)練的ML模型可以部署到傳感器, 而不需要編碼。它兼容XIAO系列和Arduino生態(tài)系統(tǒng), 是各種物體檢測(cè)應(yīng)用的理想選擇。

主要硬件配置

- 板卡基于WiseEye2 HX6538處理器, 采用雙核ARM Cortex-M55架構(gòu)

- 配備集成Arm Ethos-U55嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）, 兼容的樹莓派相機(jī)

- 板載PDM麥克風(fēng), SD卡插槽, Type-C, Grove接口, 豐富的外設(shè)支持樣機(jī)開(kāi)發(fā)

- Seeed Studio XIAO的可擴(kuò)展性, SenseCraft Al的現(xiàn)成AI模型用于無(wú)代碼部署。

- 支持各種有效的模型, 包括MobilenetV1、MobilenetV2、 Eficientnet-Lite、Yolov5和Yolov8.

寫在最后

SenseCraft-AI平臺(tái)的模型倉(cāng)數(shù)量還很少，但是好消息是它支持自定義模型上傳并輸出推理結(jié)果，平臺(tái)會(huì)逐漸增加模型倉(cāng)的數(shù)量和分享有愛(ài)好者設(shè)計(jì)的模型倉(cāng)原型，敬請(qǐng)關(guān)注！