Anzeige

DL Toolkit

Beschleunigtes Deep Learning für die Bildverarbeitung

Eine wichtige Rolle beim Beschleunigen von Deep Learning für die Bildverarbeitung spielt das Intel OpenVino Toolkit, ein spezielles Werkzeug für Deep-Learning-Frameworks wie TensorFlow, MXNet und Caffe.

(Bild: Intel Corporation)

(Bild: Intel Corporation)

OpenVino beschleunigt Deep Learning-Inferenz sowie Workloads für die Bildverarbeitung und optimiert diese MV-Anwendungen auf verschiedenen Intel-Plattformen, inklusive Hardware-Beschleunigern für Kameras oder anderer Geräte am Netzwerkrand. Die trainierten Deep Learning Modelle können auf verschiedener Hardware mit Intel-Architektur optimiert und untereinander verglichen werden, bevor über die beste Konfiguration entschieden wird. Dadurch können Nutzer leistungsfähige Anwendungen für Bildverarbeitung und optische Messtechnik mit KI-Funktionen schneller auf den Markt bringen. Das Toolkit umfasst das Intel Deep Learning Deployment Toolkit mit einem Model Optimizer, einer Inference Engine, optimierten Bibliotheken und Funktionen für OpenCV und OpenVX sowie die webbasierte grafische Umgebung Deep Learning Workbench. Die einzelnen Komponenten erfüllen folgende Funktionen:

Deep Learning Deployment Toolkit: Mit diesem Toolkit können Entwickler trainierte Deep-Learning-Modelle über eine API mit einer C++- oder Python-Inference Engine und integrierter Anwendungslogik bereitstellen. Wichtigste Bestandteile sind ein Model Optimizer und eine Inference Engine. Der Model Optimizer ist ein Kommandozeilen-Tool auf Basis von Python und läuft unter den Betriebssystemen Windows, Linux und MacOS. Damit werden DL-Modelle importiert und für die optimale Ausführung mit der Inference Engine vorbereitet. Der Model Optimizer konvertiert und optimiert Modelle, die in gängigen Frameworks wie Caffe, TensorFlow, MXNet, Kaldi und ONNX trainiert wurden. Er führt Analysen durch und passt die Modelle für die optimale Ausführung auf verschiedenen Endgeräten an. Dadurch ermöglicht er die Bereitstellung der Algorithmen für die verschiedenen Hardware-Plattformen von Intel. Wurde die Anwendung beispielsweise ursprünglich für eine Kamera mit einer Intel Movidius VPU (Vision Processing Unit) entwickelt und soll später auf einem Intel FPGA in einem Server neu eingesetzt werden, bereitet der OpenVino Model Optimizer den Code entsprechend für die verschiedenen Plattformen auf. Das spart Zeit und Entwicklungsressourcen. Die Inference Engine stellt Inferenz-Lösungen über eine gemeinsame API auf der gewünschten Plattform bereit, sprich Prozessor (CPU), Grafikprozessor (GPU), VPU oder FPGA. So ist es auch möglich, verschiedene Schichten auf verschiedener Hardware auszuführen, z.B. CPU und GPU, sowie Workloads etwa für die Analyse von Graphen, Scheduling oder Modellkomprimierung zu optimieren.

Open CV und OpenVX: Das Toolkit bietet optimierte Bibliotheken und Funktionen für OpenCV und OpenVX. OpenCV ist eine freie Programmbibliothek mit Algorithmen für die Bildverarbeitung und maschinelles Sehen für die Programmiersprachen C, C++, Python und Java. OpenVX ist ein offener Standard für die plattformübergreifende Beschleunigung von Machine Vision-Anwendungen.

Deep Learning Workbench: Diese webbasierte grafische Umgebung ermöglicht es Anwendern, die Simulation der Leistung von Deep Learning-Modellen und Datensätzen auf verschiedenen Konfigurationen der Intel Architektur (CPU, GPU, VPU) zu visualisieren. Sie bietet wichtige Metriken wie Latenz, Durchsatz und Leistungszähler für jede Schicht des ausgewählten neuronalen Netzes. Damit lassen sich Inferenz-Experimente so konfigurieren, dass sie optimale Leistung liefern. n @Kontakt_FA:www.intel.de

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Die Software aRTist ist ein Simulationswerkzeug zur Erzeugung realistischer Radiografien virtueller Durchstrahlungsaufbauten. Mit Durchstrahlungssimulationen können virtuelle Bauteilmodelle wie in einem Computertomografen gescannt werden.‣ weiterlesen

www.bam.de

Anzeige

NIT WiDy SenS SWIR-Kameras mit Dual-Mode InGaAs-Sensor (linear und logarithmisch) bieten einen Kompromiss zwischen hoher Empfindlichkeit (lineares Ansprechen) und hohem Dynamikbereich bei 120dB (logarithmisches Ansprechen). Die Sensoren sind für den Wellenlängenbereich zwischen 900 und 1.700nm ausgelegt und stellen eine Auflösung von 640×512 Pixel bei bis zu 230fps zur Verfügung. Die Kameras sind mit USB3.0, CameraLink und GigE-Schnittstelle erhältlich. Die Smart-Varianten bieten ein Bad Pixel Replacement und eine Non Uniformity Correction. ‣ weiterlesen

www.rauscher.de

Anzeige

Mit der Alvium 1800 U-501 NIR erweitert Allied Vision sein Angebot an USB-Kameras auf Basis der Alvium-Technologie. Die 5,1MP-Kamera ist mit dem ON Semi NIR-Sensor AR0522 ausgestattet, der sowohl für geringe Lichtverhältnisse als auch für hohe Dynamikbereiche entwickelt wurde. Aufgrund der Kombination aus kleiner Größe, geringem Gewicht, niedrigem Stromverbrauch und NIR-Empfindlichkeit ist die Kamera prädestiniert für Überwachungs- und Security-Anwendungen. ‣ weiterlesen

www.alliedvision.com

Anzeige

EVK und OP Teknik haben gemeinsam eine Lösung für das roboterbasierte Sortieren von Bau- und Abbruchabfällen entwickelt. Durch die Kombination der hyperspektralen Bildgebungstechnologie von EVK mit einem Deep-Learning-Ansatz und der Robotertechnologie von OP Teknik, entwickelten die beiden Unternehmen das flexible System Selma für hohen Materialdurchsatz und die genaue Sortierung ausgewählter Fraktionen in Bau- und Abbruchabfällen. ‣ weiterlesen

www.evk.biz

Anzeige

Die neue HDR-Funktion der Wärmebildkameraserie ImageIR von InfraTec macht Unterbrechungen bei Temperaturmessungen sehr weiter Bereiche überflüssig. Sie ermöglicht das kontinuierliche Aufnehmen von Messszenarien, die extrem voneinander abweichende Temperaturen aufweisen. Ausgangspunkt ist ein schnelles Filterrad, das mit mehr als 5.000U/min rotiert. Bei Aufnahmen im HDR-Modus werden mehrere Thermogramme mit verschiedenen Integrationszeiten und verschiedenen Filtern schnell aufeinanderfolgend aufgenommen und zu einem Gesamtbild mit hohem Dynamikumfang zusammengesetzt. ‣ weiterlesen

www.infratec.de

Anzeige

Dank einer Kombination aus Multi-2D- und 3D-basierter Datenakquise und effizienter AI-basierter Analyse bringt das lichtfeldbasierte Bildverarbeitungssystem LumiScanX Robotern das Sehen bei.‣ weiterlesen

www.hdvisionsystems.com

Anzeige

Das IR-Thermometer CTlaser G7 kann die Oberflächentemperaturen von ultradünnen Gläsern im Bereich von 100 bis 1.200°C präzise messen. Der normalerweise bei Flachglas optimale Spektralbereich von 5µm kann bei extrem dünnen Gläsern aufgrund der höheren Transmission des Materials nicht verwendet werden. Aus diesem Grund arbeitet das neue Gerät bei 7,9µm. Der Messfehler beträgt lediglich 1% des Messwerts, bzw. 1,5°C bei niedrigen Temperaturen. Das IR-Thermometer hat einen integrierten Doppel-Laser. ‣ weiterlesen

www.optris.de

Anzeige

Mit dem uEye ACP-Kamerakonfigurator von IDS können Anwender sich ihr individuelles Board-Level-Kameramodell per Online-Konfigurator mit wenigen Klicks selbst zusammenstellen und direkt ein Angebot anfragen. Das Baukastenprinzip ermöglicht unterschiedlichste Bord-Level-Kameravarianten, die sich dank verschiedener Schnittstellen (USB3, GigE Vision), Erweiterungen wie Connector-Boards (RJ45, M12, MicroB), Flachbandkabel und Objektivhalter sowie eine Vielzahl unterschiedlicher Bildsensoren an die jeweiligen Anforderungen anpassen lassen. Die Kameras sind bereits ab Stückzahl Eins erhältlich. ‣ weiterlesen

www.ids-imaging.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige