2018年5月16日，瑞芯微Rockchip發(fā)布運行在旗下RK3399芯片平臺的基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)方案，可為高端AI人工智能行業(yè)提供準(zhǔn)Turnkey解決方案，可同時支持Android及Linux系統(tǒng)，其目標(biāo)檢測速率達(dá)到8幀/秒以上。

在人工智能領(lǐng)域中目標(biāo)檢測是非常熱門的研究方向，目標(biāo)檢測是指對圖片或視頻中的目標(biāo)性物體進(jìn)行定位并分類。對于機器來說，從RGB像素矩陣中很難直接得到物體的抽象概念并定位，這給AI人工智能應(yīng)用帶來很大的挑戰(zhàn)。

目前，人工智能技術(shù)的主要研發(fā)方向為：人臉檢測、人體檢測、車輛檢測、二維碼檢測及手勢識別等，可廣泛應(yīng)用在監(jiān)控、智能交通、新零售、自然交互等，而這些應(yīng)用的基礎(chǔ)便是目標(biāo)檢測技術(shù)。基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)具有很高的準(zhǔn)確性和魯棒性，但運算量比較大，長期無法在嵌入式設(shè)備中取得實際部署和應(yīng)用。

針對AI人工智能市場和技術(shù)需求，Rockchip在性能強大的RK3399平臺上，對MobileNet SSD網(wǎng)絡(luò)進(jìn)行專項優(yōu)化，使得高精度的MobileNet SSD300 1.0運行幀率達(dá)到8幀以上，精度略低而速度更快的MobileNet SSD300 0.75的運行幀率超過11幀。準(zhǔn)實時的運行速度，將目標(biāo)檢測這一基礎(chǔ)AI技術(shù)在嵌入式端帶向?qū)嵱谩?/p>

除了準(zhǔn)實時的運行速度外，這一技術(shù)解決方案支持Google的TensorFlow Object Detection訓(xùn)練導(dǎo)出的TensorFlow Lite模型。目前已有大量基于TensorFlow Object Detection的使用案例，涵蓋從面部到物體的各類檢測，是工業(yè)上最方便使用、最普及的目標(biāo)檢測框架之一。

瑞芯微Rockchip基于RK3399芯片平臺的深度學(xué)習(xí)目標(biāo)檢測技術(shù)解決方案可同時支持Android或Linux系統(tǒng)，提升使用目標(biāo)檢測技術(shù)的AI產(chǎn)品的用戶體驗，大幅縮短研發(fā)周期，幫助更多的高端AI智能產(chǎn)品盡早面市。