Yapay zekâ iris tanıma teknolojisi buluttan uç cihazlara geçiyor.
Geçmişte, yüksek hassasiyetli yapay zeka iris tanıma genellikle bulut bilişim gücüne dayanıyordu.Sınırlı ağ erişimi veya sıkı gizlilik gereksinimleri olan senaryolarda özgün uygulama sıkıntıları yaratanAlgoritma yeteneklerini tanıma doğruluğunu korurken kenar cihazlara nasıl taşıyacağınız, endüstri için ortak bir teknik zorluk haline geldi.
Homsh kendi çözümünü sundu.
I. Yerel NPU Platformu: İris'in Sonundan Sonuna Tanınmasını Sağlayan
Son zamanlarda, Homsh'in Ar-Ge ekibi, şirketin kendi kendine geliştirdiği hafif iris tanıma modelinin yerleşik bir NPU platformunda dağıtılmasını ve doğrulanmasını tamamladı.Seçilen hedef donanım, Rockchip RK3588 yongalarına dayalı bir geliştirme tahtasıdır. Yüksek performanslı yerli kenar bilgisayar yongalarının temsilcisi bir ürünüdür., aarch64 mimarisini benimsemiş ve özel bir NPU bilgisayar birimi ile donatılmıştır.
Ekip, bu platformda sistematik olarak iki teknik yolu doğruladı: ONNX Runtime tabanlı genel çıkarım çözümü ve RKNN tabanlı bir NPU hızlandırma çözümü.Her iki rota da model yüklemeyi tamamladı., çıkarım bağlantısı bağlantısı ve işlev doğrulama ve destekleyen grafik kullanıcı arayüzü normalde çevrimdışı değerlendirme ve gerçek zamanlı kamera çekimi yapabilir.
Bu demek oluyor ki Homsh'in çekirdek iris tanıma algoritması artık yerli kenar çiplerde bağımsız çalışabilme yeteneğine sahip.
II. 3.7x Hız Geliştirme: Dikkat çekici NPU Hızlandırma Etkisi
Performans verileri en sezgisel örneği sağlar.
Standart test koşullarında ONNX modeli, yaklaşık 1 FPS'lik istikrarlı bir çıkarım çerçeve hızı ile % 100 iris tanıma doğruluğuna ulaşır.NPU tarafından hızlandırılan RKNN modeli, çıkarım çerçeve hızını 3'e yükseltti..64 FPS, yaklaşık 3.7 kat hız artışını temsil ediyor.
Bu performans sıçramasının arkasında, RKNN modeli ihracatı, altta yatan kütüphane mimarisi uyumluluğu,ve eksik sembol tanımlarıAlgoritma nakliden donanım uyarlanmasına kadar, her adım Homsh'in dikey entegrasyon yeteneklerinin olgunluğunu doğruladı.
Şu anda ekip, RKNN modelinin doğruluk optimizasyonu üzerine daha fazla araştırma yapıyor.Yüksek kare hızı avantajını korurken tanıma doğruluğunu ONNX sürümüyle karşılaştırılabilir bir seviyeye geri getirmeyi amaçlayan.
III. Edge dağıtımı: Daha fazla uygulama olasılığını açmak
Çevre istihbaratının değeri sadece hızın ötesinde.
Iris tanıma yetenekleri küçük bir geliştirme tahtasına entegre edildiğinde, bulut bilişim gücüne ve istikrarlı ağ bağlantılarına bağımlılıktan kurtulur.Yeraltı madenleri gibi sınırlı ağ koşulları olan senaryolar için, uzak inşaat alanları ve mobil kanun uygulayıcıları, bu gerçekten uygulanabilir bir çözüm anlamına geliyor.
Aynı zamanda, kenar dağıtım modunda, biyometrik veriler bulutta yüklenmeden eşleştirilebilir.Doğal olarak finansal satış noktaları ve devlet hizmetleri gibi sıkı veri güvenliği gereksinimleri olan uygulama senaryoları için uygundur..
Homsh, düşük maliyetli, yüksek performanslı, yüksek performanslı, düşük maliyetli, yüksek performanslı ve yüksek performanslı bilgisayarlar sağlayarak, hafif algoritmaların yerli uç çiplere derinlemesine uyarlanmasını teşvik etmeye devam edecek.ve iris tanıma için kolay entegre kenar çözümleri.
IV. Teknik Önemli Noktalar
Teknik Önemli Noktalar Hızlı Özet
Hedef platform: Rockchip RK3588
Model Tipi: Iris Tanıma + Yüz Tanıma
ONNX doğruluğu: % 100
RKNN Çerçeve Hızı: 3.64 FPS
İşlev doğrulama: Çevrimdışı değerlendirme, gerçek zamanlı yakalama, 1:N tanıma modu
Algoritma Ar-Ge'den çip uyarlanmasına, bulut dağıtımından kenar uygulamasına kadar, Homsh, iris tanıma teknolojisinin uygulama sınırlarını adım adım genişletiyor.
Tanımayı daha hızlı, daha yakın ve daha güvenli hale getirmek.
Daha fazla teknik ayrıntı için veya işbirliği fırsatlarını tartışmak için lütfen bizimle iletişime geçin.
