SİNİRSEL HESAPLAMA ÇUBUĞUNUN MİNİ-BİLGİSAYAR ORTAMINDA KOŞTURULAN DERİN SİNİR AĞLARI UYGULAMASINA ETKİSİNİN İNCELENMESİ


Tiryaki F., Doğan B., Erdal H.

2. INTERNATIONAL CONFERENCE ON MATERIALS SCIENCE, MECHANICAL AND AUTOMOTIVE ENGINEERINGS AND TECHNOLOGY IN CAPPADOCIA, Nevşehir, Türkiye, 21 - 23 Haziran 2019, ss.1330

  • Basıldığı Şehir: Nevşehir
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayısı: ss.1330

Özet

Bilgisayar görüsü ve yapay zekâ uygulamaları için geliştirilen algoritmalar sayesinde nesne algılama ve tanıma gibi görevler yüksek doğrulukta gerçekleştirilmektedir. Yüksek hesaplama kapasitesi gerektiren bu uygulamaların performansının arttırılması, problemlerin daha kısa sürede ve etkili şekilde çözülebilmesini sağlar.

Kamera görüntüleri üzerinden derin öğrenme ile nesnelerin belirlenmesi ve tanımlanması gibi görevler günümüzde Raspberry Pi (RasPi) gibi mini-bilgisayarlar kullanılarak gerçekleştirilebilmektedir. Mini-bilgisayarlar kullanıldıkları projeye sağladıkları yüksek hareketlilik kabiliyetine rağmen, işlemci kapasitelerinin normal bilgisayarların oldukça altında olması bir dezavantajdır. Bu nedenle makine görüsü ve derin öğrenme gibi mini-bilgisayar uygulamalarında ilave işlemci gücüne ihtiyaç duyulmaktadır.

Bu çalışmada, RasPi 3 B+ mini-bilgisayar ve sinir ağları hesaplamalarında işlem gücünü arttırmak için USB portuna bağlı Neural Compute Stick 2 (NCS2) kullanılmıştır. Python 3 dili ve OpenVINO araç kiti kullanılarak geliştirilen yazılım aracılığıyla, önceden eğitilmiş farklı sınıflara sahip Caffe sinir ağı modeli yardımıyla örnek görüntüler üzerinde nesne algılaması yapılmıştır. Algılanan nesne çerçeve içine alınarak nesne için tahmin edilen sınıf etiketi ve algılama işlem süresi çerçeve etiketine eklenmiştir. Geliştirilen yazılım önce yalın RasPi üzerinde sonradan NCS2 kullanılarak çalıştırışmış ve NCS2’nin işlem performansı üzerine etkisi incelenmiştir.