सामग्री पर जाएं

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

Ultralytics हब पूर्वावलोकन छवि

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

Google प्ले स्टोर 

वही Ultralytics Android ऐप एक शक्तिशाली उपकरण है जो आपको चलाने की अनुमति देता है YOLO मॉडल सीधे आपके Android वास्तविक समय वस्तु का पता लगाने के लिए उपकरण। 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 करते हैं।



सतर्कता: Getting Started with the Ultralytics HUB App (IOS & Android)

परिमाणीकरण और त्वरण

अपने पर रीयल-टाइम प्रदर्शन प्राप्त करने के लिए Android उपकरण YOLO मॉडल को FP16 या INT8 परिशुद्धता के लिए क्वांटाइज़ किया जाता है। 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 लगता 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

Different delegates are available on Android devices to accelerate model inference. These delegates include CPU, GPU, Hexagon and NNAPI. The performance of these delegates varies depending on the device's hardware vendor, product line, and specific chipsets used in the device.

  1. CPU: The default option, with reasonable performance on most devices.
  2. GPU: Utilizes the device's GPU for faster inference. It can provide a significant performance boost on devices with powerful GPUs.
  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: The Android Neural Networks API (NNAPI) serves as an abstraction layer for running ML models on Android devices. NNAPI can utilize various hardware accelerators, such as CPU, GPU, and dedicated AI chips (e.g., Google's Edge TPU, or the Pixel Neural Core).

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) Samsung Galaxy S21, OnePlus 9, Google Pixel 6 CPU, GPU, Hexagon, NNAPI
सैमसंग Exynos (जैसे, Exynos 2100) Samsung Galaxy S21 (वैश्विक संस्करण) CPU, GPU, NNAPI
मीडियाटेक आयाम (जैसे, आयाम 1200) Realme GT, Xiaomi Redmi Note CPU, GPU, NNAPI
हायसिलिकॉन किरिन (जैसे, किरिन 990) Huawei P40 प्रो, Huawei मेट 30 प्रो CPU, GPU, NNAPI
NVIDIA टेग्रा (जैसे, टेग्रा X1) NVIDIA Shield TV, Nintendo Switch CPU, GPU, NNAPI

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 Android ऐप

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

  1. Download the Ultralytics App from the Google Play Store.

  2. Launch the app on your Android device and sign in with your Ultralytics account. If you don't have an account yet, create one here.

  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 Android ऐप, अब आपके पास वास्तविक समय ऑब्जेक्ट का पता लगाने की शक्ति है YOLO मॉडल सही अपनी उंगलियों पर। ऐप की विशेषताओं की खोज करने और अपने विशिष्ट उपयोग के मामलों के अनुरूप इसकी सेटिंग्स को अनुकूलित करने का आनंद लें।



बनाया गया 2023-11-12, अपडेट किया गया 2024-06-22
लेखक: ग्लेन-जोचर (8), सर्जिउवैक्समैन (2), रिजवान मुनव्वर (1)

टिप्पणियाँ