Upgrade to Pro — share decks privately, control downloads, hide ads and more …

用Raspberry Pi玩轉Edge AI

用Raspberry Pi玩轉Edge AI

這是我們在 2024 年 MakerPRO 主辦的 MAI 開發者大會分享的主題。

MAI 開發者大會以「Make AI a Reality」為精神,希望架起AI技術與應用的橋樑,廣邀開發社群先進擔任講者,2天共20場演講,為AI開發者及AI Maker們領路。

本次分享將介紹 Edge AI,再說明從 YOLO 看 Raspberry Pi 的 Edge AI 方式,並以 Google Coral Accelerator 做加速。

活動頁面
* https://makerpro.cc/maidevforum/

活動摘要和錄影
* https://makerpro.cc/2024/06/2024-mai-talks-how-to-use-raspberry-pit-for-edge-ai-projects/

Avatar for 台灣樹莓派

台灣樹莓派

May 25, 2024
Tweet

More Decks by 台灣樹莓派

Other Decks in Technology

Transcript

  1. 姓名標示 — 非商業性 — 相同方式分享 CC (Creative Commons) 姓名標示 —

    你必須給予 適當表彰、提供指向本授權 條款的連結,以及 指出(本作品的原始版本)是否已 被變更。你可以任何合理方式為前述表彰,但不得以 任何方式暗示授權人為你或你的使用方式背書。 非商業性 — 你不得將本素材進行商業目的之使 用。 相同方式分享 — 若你重混、轉換本素材,或依本 素材建立新素材,你必須依本素材的授權條款來 散布你的貢獻物。
  2. 4 • Edge AI 介紹 • Raspberry Pi 介紹 •

    從 YOLO 看 Raspberry Pi 的 Edge AI • 結語 大綱
  3. 6 • 智慧手環內的 IMU 收到加速度 / 角速度資訊 • 原始數據透過 LPWA

    低功耗技術傳到雲端運算姿態 • 使用者透過儀表板看到各種姿態結果 IoT 情境 / 智慧手環 https://www.youtube.com/watch?v=KUwif0Z8Ot4
  4. 9 • 機器學習 ( 處理結構化資料 ): 資料 > 特徵擷取 >

    模型 > 答案 • 深度學習 ( 處理非結構化資料 ): 資料 > 模型 ( 特徵擷取自學 )> 答案 機器學習 vs. 深度學習 https://bit.ly/3VFLRs9
  5. 運算量對應適合的 ARM 系列處理器 https://www.arm.com/blogs/blueprint/ai-for-iot-devices 資料輸入量 振動 偵測 關鍵字 偵測 感測器

    融合 異常 偵測 物件 偵測 Cortex-M Today Cortex-M55 手勢 偵測 生物 識別 語音 辨識 物件 分類 即時 辨識 Cortex-M and Ethon-U55 Cortex-A, Mali And Ethon-N 運算量 TOP/S
  6. • Raspberrypi.org 基金會所設計開發 • 公開的 datasheet & 線路圖 & 原始碼

    • 以低價硬體 & 自由軟體刺激電腦科學教育 Raspberry Pi 是 ...
  7. 14 • 更快 :CPU 從 1.4GHz 升級到 1.5GHz • 更多選擇

    : 記憶體有 1G/2G/4G/8G 可選 Raspberry Pi 4 在 2019/6/24 發布 https://www.raspberrypi.org/blog/raspberry-pi-4-on-sale-now-from-35/
  8. • YOLO 是 Joseph Redmon 在 2015 年基於深度學 習的物體檢測演算法 ,

    高效並能即時檢測 YOLO v1 https://arxiv.org/pdf/1506.02640.pdf
  9. • 2023 年由 Ultralytics 釋出 , 更快更準確 • 強大的泛化能力 ,

    在不同的資料集和應用場景中表現穩定 • 支援主流深度學習框架 , 如 PyTorch 和 TensorFlow YOLO v8 https://github.com/ultralytics/ultralytics
  10. • # raspios_full_arm64-2024-03-15.img • $ sudo apt-get update • $

    python3 -m venv yolov8-venv • $ source ~/yolov8-venv/bin/activate • $ pip3 install ultralytics 安裝容易 https://docs.ultralytics.com/quickstart/
  11. • Pi 4: Broadcom BCM2711 quad-core Cortex- A72 (ARM v8),

    64-bit SoC @ 1.8GHz (28nm) • Pi 5: Broadcom BCM2712 quad-core Cortex- A77 (ARM v8), 64-bit SoC @ 2.4GHz (16nm) • 數字提昇約 33% • 實際約提昇 2-3 倍 全新 BCM2712 處理器
  12. • 使用 Google Edge TPU coprocessor • 4 TOPS (int8);

    2 TOPS per watt • 有物件偵測、分割、姿態偵測、分類等預訓練模型 • 只支援 tflite-tpu 格式 Google Coral USB Accelerator https://coral.ai/docs/edgetpu/models-intro/#compatibility-overview