Sinir Ağlarına Başlarken
Limelight'ın sinir ağı pipeline'ları sayesinde, bir zamanlar imkansız olan bilgisayarlı görü zorlukları artık çok kolay. Öğrenme tabanlı görü, son teknoloji robotlarda ve otonom araçlarda zaten büyük bir rol oynuyor, bu yüzden bu teknolojiyi FIRST öğrencilerine sunmaktan heyecan duyuyoruz.
Limelight 1, 2 ve 3'ün tamamı Google Coral yardımıyla öğrenme tabanlı görüyü destekler. Google Coral, ayrıca satın alınması gereken bir USB hızlandırıcıdır.
2023 Dünya Şampiyonu 1323'ün Limelight'ın Sinir Ağı pipeline'ını kullanımına göz atın:
Önceden eğitilmiş sinir ağlarını indirmeler sayfamızdan indirin.
FRC'de takımlar her zaman otonom ve teleop dönemlerinde sahadaki oyun parçalarını takip etmek istemiştir. Limelight'ın "Neural Detector" pipeline'ını kullanarak, takımlar parçaları sıfır ayarlama ile diğer hedefler gibi takip edebilir.
Öte yandan "Neural Classifier" pipeline'ları, takımların robotlarına gelişmiş algılama yetenekleri eklemesine olanak tanır. Diyelim ki bir takım, robotlarının Kırmızı bir topa mı, Mavi bir topa mı sahip olduğunu yoksa hiç topa sahip olmadığını belirlemek istiyor. Robotun içine yönlendirilmiş bir Limelight, bu üç durumdan birini belirlemek için eğitilmiş bir sınıflandırıcı çalıştırabilir. Bir sınıflandırıcı ayrıca bir hazne içindeki nesne sayısını sayabilir, bir saha özelliğinin durumunu belirleyebilir, vb.
Neural Detector ve Classifier ağları, bir Google Coral USB hızlandırıcısının eklenmesini gerektirir. Google Coral Accelerator, sinir ağı çıkarımı için özel olarak tasarlanmış bir ASIC'dir (uygulamaya özel entegre devre). "Çıkarım" terimini "yürütme" veya "verileri sinir ağından geçirip bir çıktı üretme" olarak düşünebilirsiniz.
Makine öğrenimi hakkında daha derin bir anlayış geliştirmek istiyorsanız, 3blue1brown'dan bu video ile başlamanızı öneririz.
Programcılar şu kitap ile uygulamalı bir şekilde daha fazla öğrenebilir.
Neural Detector Pipeline
Başlamak için, Google Coral'ınızın Limelight'ınızdaki USB-A portuna takılı olduğundan emin olun.
Yerleşik test modeli üzerinde çıkarım yapmaya başlamak için "Pipeline Type"ı "Neural Detector" olarak değiştirin. Önceden eğitilmiş sinir ağlarını indirmeler sayfamızdan indirin ve oyun parçalarını takip etmeye başlamak için yükleyin.
Başarılı bir tespit için gereken güven seviyesini ayarlamak için "confidence threshold" kaydırıcısını değiştirin.
İstenilen tespit bölgesi dışındaki nesneleri kolayca yok saymak için kırpma penceresini değiştirin.
Neural Classifier Pipeline
Başlamak için, Google Coral'ınızın Limelight'ınızdaki USB-A portuna takılı olduğundan emin olun.
Yerleşik test modeli üzerinde çıkarım yapmaya başlamak için "Pipeline Type"ı "Neural Classifier" olarak değiştirin. "Eğitim" bölümünde belgelenen yöntemi kullanarak kendi sınıflandırıcı modellerinizi eğitebilirsiniz.
"Crop" penceresi, sinir ağı çıkarımı için kullanılan görüntüyü daha iyi kontrol etmenizi sağlar. Sınıflandırıcı modeller çeşitli ortamlarda inanılmaz düzeyde genelleme yapabilse de, görüntünüzdeki değişken sayısını en aza indirerek daha büyük başarı elde edersiniz.