सामग्री पर जाएं

Ultralytics एंड्रॉइड ऐप: रीयल-टाइम ऑब्जेक्ट डिटेक्शन के साथ YOLO मॉडल

Ultralytics HUB पूर्वावलोकन छवि

Ultralytics गिटहब अन्तरिक्ष Ultralytics लिंक्डइन अन्तरिक्ष Ultralytics चहचहाहट अन्तरिक्ष Ultralytics यूट्यूब अन्तरिक्ष Ultralytics टिकटोक अन्तरिक्ष Ultralytics इंस्टाग्राम अन्तरिक्ष Ultralytics झगड़ा

गूगल प्ले स्टोर 

वही Ultralytics एंड्रॉइड ऐप एक शक्तिशाली उपकरण है जो आपको चलाने की अनुमति देता है YOLO वास्तविक समय वस्तु का पता लगाने के लिए सीधे अपने Android डिवाइस पर मॉडल. यह ऐप उपयोग करता है TensorFlow मॉडल अनुकूलन के लिए लाइट और त्वरण के लिए विभिन्न हार्डवेयर प्रतिनिधि, तेज और कुशल वस्तु का पता लगाने को सक्षम करना।

परिमाणीकरण और त्वरण

अपने Android डिवाइस पर रीयल-टाइम प्रदर्शन प्राप्त करने के लिए, YOLO मॉडल या तो FP16 या INT8 परिशुद्धता के लिए quantized हैं. परिमाणीकरण एक ऐसी प्रक्रिया है जो मॉडल की संख्यात्मक सटीकता को कम करती है weights and biases, इस प्रकार मॉडल के आकार और आवश्यक गणना की मात्रा को कम करना। इसके परिणामस्वरूप मॉडल की सटीकता को महत्वपूर्ण रूप से प्रभावित किए बिना तेजी से अनुमान समय होता है।

FP16 परिमाणीकरण

FP16 (या अर्ध-परिशुद्धता) परिमाणीकरण मॉडल के 32-बिट फ्लोटिंग-पॉइंट नंबरों को 16-बिट फ्लोटिंग-पॉइंट नंबरों में परिवर्तित करता है। यह सटीकता और प्रदर्शन के बीच एक अच्छा संतुलन बनाए रखते हुए मॉडल के आकार को आधा कर देता है और अनुमान प्रक्रिया को गति देता है।

INT8 परिमाणीकरण

INT8 (या 8-बिट पूर्णांक) परिमाणीकरण अपने 32-बिट फ़्लोटिंग-पॉइंट नंबरों को 8-बिट पूर्णांकों में परिवर्तित करके मॉडल के आकार और गणना आवश्यकताओं को और कम कर देता है। इस परिमाणीकरण विधि के परिणामस्वरूप एक महत्वपूर्ण स्पीडअप हो सकता है, लेकिन इससे कम संख्यात्मक परिशुद्धता के कारण औसत औसत परिशुद्धता (एमएपी) में मामूली कमी आ सकती है।

INT8 मॉडल में mAP कमी

INT8 मॉडल में कम संख्यात्मक परिशुद्धता परिमाणीकरण प्रक्रिया के दौरान जानकारी के कुछ नुकसान का कारण बन सकती है, जिसके परिणामस्वरूप mAP में थोड़ी कमी हो सकती है। हालांकि, यह व्यापार-बंद अक्सर INT8 परिमाणीकरण द्वारा पेश किए गए पर्याप्त प्रदर्शन लाभ को देखते हुए स्वीकार्य है।

प्रतिनिधि और प्रदर्शन परिवर्तनशीलता

मॉडल अनुमान में तेजी लाने के लिए Android उपकरणों पर विभिन्न प्रतिनिधि उपलब्ध हैं। इन प्रतिनिधियों में सीपीयू, जीपीयू, हेक्सागोन और एनएनएपीआई शामिल हैं। इन प्रतिनिधियों का प्रदर्शन डिवाइस के हार्डवेयर विक्रेता, उत्पाद पंक्ति और डिवाइस में उपयोग किए गए विशिष्ट चिपसेट के आधार पर भिन्न होता है।

  1. सीपीयू: डिफ़ॉल्ट विकल्प, अधिकांश उपकरणों पर उचित प्रदर्शन के साथ।
  2. GPU: तेजी से अनुमान लगाने के लिए डिवाइस के GPU का उपयोग करता है। यह शक्तिशाली GPU वाले उपकरणों पर एक महत्वपूर्ण प्रदर्शन को बढ़ावा दे सकता है।
  3. षट्कोण: तेजी से और अधिक कुशल प्रसंस्करण के लिए क्वालकॉम के हेक्सागोन डीएसपी का लाभ उठाता है। यह विकल्प क्वालकॉम स्नैपड्रैगन प्रोसेसर वाले उपकरणों पर उपलब्ध है।
  4. NNAPI: Android न्यूरल नेटवर्क API (NNAPI) Android उपकरणों पर ML मॉडल चलाने के लिए एक अमूर्त परत के रूप में कार्य करता है। NNAPI विभिन्न हार्डवेयर त्वरक का उपयोग कर सकता है, जैसे CPU, GPU, और समर्पित AI चिप्स (जैसे, Google का किनारा) TPU, या पिक्सेल न्यूरल कोर)।

यहां प्राथमिक विक्रेताओं, उनकी उत्पाद लाइनों, लोकप्रिय उपकरणों और समर्थित प्रतिनिधियों को दिखाने वाली एक तालिका दी गई है:

विक्रेता उत्पाद लाइनें लोकप्रिय उपकरण प्रतिनिधियों ने समर्थन किया
क्वालकॉम स्नैपड्रैगन (जैसे, 800 श्रृंखला) सैमसंग गैलेक्सी S21, वनप्लस 9, गूगल पिक्सेल 6 सीपीयू, जीपीयू, षट्भुज, एनएनएपीआई
सैमसंग Exynos (जैसे, Exynos 2100) Samsung Galaxy S21 (वैश्विक संस्करण) सीपीयू, जीपीयू, एनएपीआई
मीडियाटेक आयाम (जैसे, आयाम 1200) Realme GT, Xiaomi Redmi Note सीपीयू, जीपीयू, एनएपीआई
हायसिलिकॉन किरिन (जैसे, किरिन 990) Huawei P40 प्रो, Huawei मेट 30 प्रो सीपीयू, जीपीयू, एनएपीआई
एनवीडिया टेग्रा (जैसे, टेग्रा X1) NVIDIA शील्ड टीवी, Nintendo स्विच सीपीयू, जीपीयू, एनएपीआई

कृपया ध्यान दें कि उल्लिखित उपकरणों की सूची संपूर्ण नहीं है और विशिष्ट चिपसेट और डिवाइस मॉडल के आधार पर भिन्न हो सकती है। संगतता और इष्टतम प्रदर्शन सुनिश्चित करने के लिए हमेशा अपने लक्षित उपकरणों पर अपने मॉडल का परीक्षण करें।

ध्यान रखें कि प्रतिनिधि का चुनाव प्रदर्शन और मॉडल संगतता को प्रभावित कर सकता है। उदाहरण के लिए, कुछ मॉडल कुछ प्रतिनिधियों के साथ काम नहीं हो सकता है, या एक प्रतिनिधि किसी विशिष्ट डिवाइस पर उपलब्ध नहीं हो सकता है। जैसे, सर्वोत्तम परिणामों के लिए अपने लक्षित उपकरणों पर अपने मॉडल और चुने हुए प्रतिनिधि का परीक्षण करना आवश्यक है।

के साथ शुरुआत करना Ultralytics एंड्राइड ऐप

के साथ आरंभ करने के लिए Ultralytics Android ऐप, इन चरणों का पालन करें:

  1. डाउनलोड करें Ultralytics Google Play Store से ऐप।

  2. अपने Android डिवाइस पर ऐप लॉन्च करें और अपने साथ साइन इन करें Ultralytics खाता। यदि आपके पास अभी तक कोई खाता नहीं है, तो यहां एक खाता बनाएं।

  3. एक बार साइन इन करने के बाद, आपको अपने प्रशिक्षित की एक सूची दिखाई देगी YOLO मॉडल। ऑब्जेक्ट डिटेक्शन के लिए उपयोग करने के लिए एक मॉडल का चयन करें।

  4. ऐप को अपने डिवाइस के कैमरे तक पहुंचने की अनुमति दें।

  5. अपने डिवाइस के कैमरे को उन ऑब्जेक्ट्स की ओर इंगित करें जिनका आप पता लगाना चाहते हैं. ऐप वास्तविक समय में बाउंडिंग बॉक्स और क्लास लेबल प्रदर्शित करेगा क्योंकि यह वस्तुओं का पता लगाता है।

  6. डिटेक्शन थ्रेशोल्ड को समायोजित करने, विशिष्ट ऑब्जेक्ट क्लासेस को सक्षम या अक्षम करने, और बहुत कुछ करने के लिए ऐप की सेटिंग्स का अन्वेषण करें।

के साथ Ultralytics एंड्रॉइड ऐप, अब आपके पास रीयल-टाइम ऑब्जेक्ट डिटेक्शन का उपयोग करने की शक्ति है YOLO मॉडल सही आपकी उंगलियों पर। ऐप की विशेषताओं की खोज करने और अपने विशिष्ट उपयोग के मामलों के अनुरूप इसकी सेटिंग्स को अनुकूलित करने का आनंद लें।



2023-11-12 बनाया गया, अपडेट किया गया 2023-11-27
लेखक: ग्लेन-जोचर (3)

टिप्पणियाँ