Sinir Ağlarına Başlangıç
Limelight'ın sinir ağı işlem hatlarıyla, bir zamanlar imkansız görünen bilgisayarlı görü zorlukları artık çok basit. Öğrenme tabanlı görü, en son teknoloji robotlarda ve otonom araçlarda çok önemli bir rol oynamaktadır, bu yüzden bu teknolojiyi FIRST öğrencilerine getirmekten heyecan duyuyoruz.
Limelight 1, 2 ve 3'ün tümü 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 işlem hattını kullanımını izleyin:
Önceden eğitilmiş sinir ağlarını indirme sayfamızdan indirebilirsiniz.
FRC'de, takımlar her zaman otonom ve uzaktan kumanda dönemlerinde sahadaki oyun parçalarını takip etmek istemiştir. Limelight'ın "Sinir Dedektörü" işlem hattını kullanarak, takımlar hiçbir ayar yapmadan diğer hedefler gibi parçaları takip edebilmektedir.
Öte yandan "Sinir Sınıflandırıcı" işlem hatları, takımların robotlarına gelişmiş algılama yetenekleri eklemelerine olanak tanır. Diyelim ki bir takım robotlarının Kırmızı top, Mavi top veya top bulundurmama durumlarından hangisinde olduğunu belirlemek istiyor. Robotun içine bakan bir Limelight, bu üç durumdan birini belirlemek üzere eğitilmiş bir sınıflandırıcı çalıştırabilir. Bir sınıflandırıcı ayrıca bir haznedeki nesnelerin sayısını sayabilir, saha özelliğinin durumunu belirleyebilir vb.
Sinir Dedektörü ve Sınıflandırıcı ağları, bir Google Coral USB hızlandırıcısının eklenmesini gerektirir. Google Coral Hızlandırıcı, sinir ağı çıkarımı için özel olarak tasarlanmış bir ASIC'dir (uygulamaya özel entegre devre). "Çıkarım" terimini "yürütme" veya "verileri sinir ağından geçirme ve çıktı üretme" olarak düşünebilirsiniz.
Makine öğrenmesi hakkında daha derin bir anlayış geliştirmekle ilgileniyorsanız, 3blue1brown'dan bu videoyla başlamanızı öneririz.
Programcılar şu kitapla uygulamalı olarak daha fazla öğrenebilir.
Sinir Dedektörü İşlem Hattı
Başlamak için, Google Coral'ınızın Limelight'ınızdaki USB-A portuna takılı olduğundan emin olun.
Yerleşik test modelinde çıkarım çalıştırmaya başlamak için "Pipeline Type"ı "Neural Detector" olarak değiştirin. Önceden eğitilmiş sinir ağlarını indirme sayfamızdan indirin ve oyun parçalarını takip etmeye başlamak için yükleyin.
Başarılı bir tespit için gereken güven seviyesini ayarlamak için "confidence threshold" kaydırıcısını değiştirin.
İstenilen algılama bölgesi dışındaki nesneleri kolayca göz ardı etmek için kırpma penceresini değiştirin.
Sinir Sınıflandırıcı İşlem Hattı
Başlamak için, Google Coral'ınızın Limelight'ınızdaki USB-A portuna takılı olduğundan emin olun.
Yerleşik test modelinde çıkarım çalıştırmaya 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 sağlayacaktır. Sınıflandırıcı modeller farklı ortamlarda inanılmaz düzeyde genelleme yapabilse de, görüntünüzdeki değişken sayısını en aza indirerek daha büyük başarı elde edeceksiniz.