開啟人工智慧DIY熱潮——角蜂鳥AI視覺套件
愛板網供稿
第一次接觸到角蜂鳥（Horned Sungem）AI視覺套件時我是懵逼的，甚至說很難理解為什麼好好的一個人工智慧視覺套件取這麼一個「劍走偏鋒」的名字，不理解中文角蜂鳥的深層含義，更抵觸英文的Horned Sungem，除了難記，似乎沒什麼特色。不過在一次很偶然的機會深入了解了下角蜂鳥的開發者觸景無限這家公司之後，我對這個產品抱有極大的興趣，從拿到角蜂鳥這個套件之後，一直在研究該怎麼用，琢磨可以幹什麼？
說出來可能會讓你大吃一驚，如今赫赫有名的Intel Movidius NCS背後的功臣也有觸景無限這家公司的影子，在Movidius未被英特爾收購之前，觸景無限已經跟Movidius這家公司有緊密的合作，甚至說除了Movidus自己，觸景無限才是最了解Myriad 2這顆VPU該怎麼用，怎麼發揮實力，是不是很期待？一起來了解下這個角蜂鳥AI視覺套件。
角蜂鳥AI視覺套件
從包裝上來看，觸景無限對角蜂鳥AI視覺套件的定義很明確「Plug And AI」，這個可比套件本身的名字簡單明了多了，很直觀，意味著插上即能享受與AI的碰撞。
內部配件不多，甚至說連根數據線也沒提供，需要自己額外購買。注意，是USB TPYE-C的介面的數據線，可能細心的網友會問，為什麼用USB TYPE-C數據線？背後的含義是值得驚喜的，因為角蜂鳥AI視覺套件支持USB3.0，當然，同時也是兼容USB2.0的。
包裝內附帶的「小卡片」本身雖然沒什麼信息量，但是上面有個網址很重要，網站上的內容包括了AI視覺套件的基本使用指導、附帶的一些神經網路模型、一些實例教程以及角蜂鳥的API等內容。
角蜂鳥是一個即插即用的AI視覺套件，套件由一個基於Movidius Myriad 2 VPU的小主板+一個攝像頭模組組成，如果你之前玩過Intel Movidius NCS的話，那恭喜你，上手角蜂鳥這個套件基本上沒任何難度，甚至你可以將它當做是NCS+攝像頭的組合。因此文章中在2018國內工程師/創客最值得擁有開發板 Top 10排行被評為青出於藍而勝於藍的代表。
體驗過Movidius Myriad 2 VPU的都該清楚，這顆VPU的發熱量也真不是蓋的，所以在角蜂鳥套件上也做了散熱的處理。
角蜂鳥AI視覺套件拆卸
當拆下這個算是比較的Low的亞力克外殼支架時，角蜂鳥視覺套件的主板小巧程度還是讓人驚訝了一下。
攝像頭模組和主板之間採用CSI介面的FPC連接，看樣子FPC尺寸還是做了定製的，兩頭的pin腳尺寸不一樣，比如像樹莓派的攝像頭不一定能直接使用。
主板確實小巧，差不多成人的拇指那般大小，但是板子說實話算不上精緻，可能拿到的是首批的緣故，有些元器件貼片的時候都有些歪，不過不影響使用。
上圖綠色框框中的為CSI介面，用於連接外部的攝像頭；
而兩側黑色框框中的是預留的雙目攝像頭介面，可以實現立體視覺系統，當然，目前這部分還沒有開發，有能力的網友可以自己動手。
紅色框框中的是RICOH的RT5C619電源管理單元；
黃色部分則是Movidius MA2450 VPU，這裡有必要提一下，人工智慧的細分領域很多，MA2450主要是針對圖像以及視頻的推理加速。可以簡單的看下Myriad 2 SoC內部架構。
Myriad 2內部集成了12個128-Bit SHAVE Vector處理器以及眾多硬體加速器、圖像/視覺信號處理器，兩個32位的RISC處理器，這些組合可以有效的加速視頻和圖像的處理，Myriad 2 SoC支持的一些介面如下：
12 Lanes MIPI，每個Lane支持1.5Gbps數據帶寬並且可以配置為CSI-2或者DSI
支持I2C、SPI、I2S、PWM、USB3.0（集成PHY）、SDIO、Ethernet（1Gbit）
Myriad 2具體的性能指標可以以48FPS的幀率同時處理來自12個1300萬像素攝像頭的數據，也就是說，以60FPS拍攝4K視頻是毫無壓力的，相比市面上的一些GPU，Myriad 2的主要優勢在於在達到這個性能的同時保持較低的功耗，如使用電腦的USB介面供電即可。
當然，你可能要懟我一下，低功耗有啥用？四個字，邊緣計算，低功耗的優勢在於對於目前市面上火爆的需要有較強圖像/視頻處理能力且需要電池供電的應用，如服務型機器人、無人機、AR/VR等設備，Myriad 2有著非常大的優勢。
下圖中黃色框框中的為USB TYPE-C介面，為板子提供供電以及傳輸數據；
紅色的框框中的則是內部的調試介面，不對外開放。
綠色框框中的則是兆易創新的64Mbit SPI FLASH GD25LQ64；
藍色框框中的是Pericom PI3USB3102 usb3.0&USB2.0開關，可以使角蜂鳥AI視覺套件同時支持USB2.0或USB3.0的HOST主機。
總的來說，角蜂鳥AI視覺套件通過集成化的前段設計，為你的產品提供了一個基於圖像推理的邊緣計算裝置，你可以配合搭載Ubuntu、MacOS、Raspbian、甚至是Android這些操作系統的平台上DIY智能相機、智能機器人等獨具創意的AI應用，下面具體來看下實際的使用體驗。
上電使用
這裡是配合搭載Ubuntu系統的UP Squared Board。
要使用觸景無限提供的神經網路模型和常式需要安裝他們提供的角蜂鳥開發工具SungemSDK，直接在命令窗口輸入：
git clone
https://github.com/HornedSungem/SungemSDK.git
而後等待下載完成即可。
安裝SDK，可以在installer的文件下看到觸景無限提供的SDK可以支持macOS、Raspbian、Ubuntn系統，可以滿足不同平台的用戶開發。
安裝完成後可以在examples/python的目錄下找到7個現成的常式：Hello2018.py，FaceDetector.py，ObjectDetector.py，SketchGuess.py，GetImage.py，ImageRecongnition.py，SceneRecorder.py。
以Hello2018.py為例，當然這不是簡單的hello常式，其實這個應用到MNIST 數字識別模型，可以看下觸景無限提供的代碼，真的很簡單，和大家平時寫的python語法沒什麼兩樣，而最關鍵的model的話目前如果不是自己訓練套用現成的一般直接可以拿來使用，當然因為模型訓練數據的關係，可能不夠精準，要細分的應用領域，還是需要自己訓練模型。
這個常式是識別/misc/2018_mnist/目錄下的圖片，總共四張，如下所示
推理的結果輸出，Hello 2018，完全正確。
另外我也試了下其它全部的常式，不過因為本身訓練數據的緣故，所以實際體驗的時候準確率比較低，準確率比較高的是那些比較通用的「物體」，比如說人，比如說椅子，香蕉等。
下面一張圖的識別比較有意思，人是識別出來沒問題，但是人手拿著鍵盤構建的還確實比較像椅子的結構，結果不出意味還真識別為椅子，由此可見機器學習的道路還很長。
而在識別一些另類玩意的時候，準確率就比較低了，比如：
又如：
另外，在實際測試中也發現有時運行程序載入新model的話一直提示需要插拔USB線，根據觸景無限的工程師反饋，這個問題屬於軟體小Bug，目前已經解決在測試，在之後會更新SDK。
總體來說，角蜂鳥雖然有些軟體上的小Bug，這些問題通過後期優化完全能解決，也不是什麼大問題，而觸景無限的角蜂鳥AI視覺套件通過這種獨特的前端集成化設計，能在獲取影像的同時即可實時將現實場景分解為物體類別、人臉對比結果等直接的數據，對於想開發這類應用的開發這來說，這是一個極其方便也容易上手的開發套件。當然，因為訓練數據的關係，角蜂鳥本身自帶的模型並不是很理想，想要真正應用到自己產品上的開發者，還需要自己訓練對應的神經網路才行，我相信觸景無限提供的demo只是更好有助於開發者學習如何用他們提供的API，所以不要鑽牛角尖，舍本求末。
小結
人工智慧發展到今年，事實一遍又一遍的證明今天我們所要面對的人工智慧應該是一整個系統，如果僅僅依靠演算法、硬體是行不通的，訓練用的大數據支持是極為重要的，因此，當一些比較有前瞻性的邊緣計算類產品出現的時候，不要因為表面上的bug而否定它的創新，角蜂鳥AI視覺套件終究算是一個青出於藍而勝於藍的套件，比如它甚至都支持Android系統，它可能還存在不少問題，但不影響使用，而極其方便的「Plug And AI」即插即用且獨特的前端集成化設計，或許能開啟人工智慧的DIY熱潮。
對了，最後還是要吐槽一句，沒有刻意去記憶，我最終還是沒能背下角蜂鳥的英文！
TAG:與非網 |