طراحی مدل سبک برای آشكارسازی و قطعه‌بندی در سختافزارهای کم‌توان
موضوع پروژه:
تحقیق و پژوهش
تاریخ شروع پروژه:
1401
مدت زمان اجرا:
6 ماه
مجری
معاونت متولی:
راهکارهای دیجیتال و هوشمندسازی
معرفی
یکی از دلایل اصلی علاقه روزافزون به سیستم‌های یادگیری ماشین به ویژه یادگیری عمیق، مشکلاتی است که می‌توانند در بینایی ماشین برطرف کنند. برخی از رایج ترین برنامه‌های یادگیری ماشین در بینایی ماشین شامل طبقه‌بندی، تشخیص اشیا و قطعه‌بندی معنایی است. با توجه به نیاز سخت‌افزاری راه حل‌های مبتنی بر یادگیری عمیق، اکثر برنامه‌های کاربردی برای ارسال تصاویر به یک سرور ابری که بتواند مدل‌های یادگیری عمیق را اجرا کند، به اتصال به اینترنت نیاز دارند. این نوع ساختار می‌تواند محدودیت‌های اضافی را برای امکان استفاده از مدل ایجاد کند. به عنوان مثال، اگر یک پهپاد یا ربات در محیط‌هایی کار کند که اتصال اینترنتی وجود ندارد، این راه حل دیگر مفید نخواهد بود.
مشکل اساسی دیگر، سخت‌افزار مورد نیاز در سمت سرور است. با افزایش تعداد درخواست‌ها (مثلا مشتریان یک اپلیکیشن مبتنی بر هوش مصنوعی) باید سخت‌افزار متناسب (و بیشتر) در سمت سرور تهیه شود. که این مساله با افزایش تعداد کاربر برای اکثر شرکت‌ها دیگر عملی نخواهد بود. در اینجا، توسعه مدل‌های سبک برای اجرا بر روی سختافزارهای محدود اهمیت می‌یابد. در این راه حل از سخت‌افزار موجود در لبه (تلفن همراه، ربات و ...) برای پردازش استفاده می‌شود. با توجه به محدودیت قدرت و توان پردازش، نیاز است تا مدل‌ها متناسب با این سخت‌افزار‌ها اصلاح و اصطلاحا سبک شوند. هدف از این پروژه طراحی و توسعه دو مدل یکی برای آشکارسازی و دیگری برای قطعه‌بندی معنایی در سختافزارهای محدود مانند موبایل است.
هدف
در این راه حل از سخت افزار موجود در لبه (تلفن همراه، ربات و ...) برای پردازش استفاده می‌شود. با توجه به محدودیت قدرت و توان پردازش، نیاز است تا مدل‌ها متناسب با این سخت افزارها اصلاح و اصطلاحا سبک شوند. هدف از این پروژه طراحی و توسعه دو مدل یکی برای آشکارسازی و دیگری برای قطعه بندی معنایی در سخت افزارهای محدود مانند موبایل است.
ضرورت
دستاوردها
فراهم سازی و اجرای مدل‌های مختلف طبقه بندی و شناسایی با تسک های متنوع روی تجهیزات کم سیار
تهیه مستندات دانشی مرتبط با بخش های مختلف پروژه
