اكتشف كيف أحدثت Ultralytics YOLOv8 و Intel OpenVINO ثورة في إدارة قوائم الانتظار. تعلّم من رؤى YV23 واعتمد الحلول القائمة على الذكاء الاصطناعي للمراقبة في الوقت الفعلي. انضم إلى الثورة الآن!
يا له من وقت مثير في YOLO Vision 2023 (YV23)، حيث اندمجت الأفكار الرائدة بسلاسة مع أحدث التقنيات! وقد شهدت إحدى الكلمات الرئيسية مشاركة مبشر البرمجيات في Intelأدريان بوغوشيفسكي، على المنصة لمشاركة أفكاره حول إحداث ثورة في إدارة قوائم الانتظار باستخدام Ultralytics YOLOv8 و Intel' OpenVINO. دعنا نتعمق في النقاط الرئيسية المستخلصة من هذا الحديث.
بدأ أدريان بمعالجة تحد عالمي: المهمة اليدوية لإدارة قوائم الانتظار. رسم أدريان صورة حية لعدم كفاءة العد اليدوي وسلط الضوء على الحاجة إلى حل آلي.
وما هي أفضل طريقة لمواجهة هذا التحدي من الاستفادة من تدفقات الفيديو وخوارزميات التعلم العميق؟
كانت رؤية Adrian للإدارة الذكية لقائمة الانتظار واضحة تماما: تسخير قوة الذكاء الاصطناعي لاكتشاف قوائم الانتظار ومراقبتها في الوقت الفعلي. من خلال تحديد مناطق الاهتمام وإحصاء الأشخاص داخل هذه المناطق ، يمكن للنظام تنبيه مساعدي المتجر بسلاسة عندما تتجاوز قوائم الانتظار السعة. تغيير قواعد اللعبة ، في الواقع!
تم تقسيم هذا الحل إلى 4 خطوات بسيطة:
عرّفنا أدريان على عجائب مجموعة الأدوات المفتوحة المصدر Intel' OpenVINO لتحسين ونشر الاستدلال بالذكاء الاصطناعي. مع دعم مجموعة واسعة من أطر العمل والأجهزة، يعد OpenVINO بأداء أفضل ونشر سلس عبر منصات متنوعة.
كشف أدريان أيضا النقاب عن الصلصة السرية للتحسين: ضغط الشبكة العصبية. باستخدام تقنيات مثل القياس الكمي بعد التدريب ، يمكن ضغط النماذج دون التضحية بالدقة. النتيجة؟ استدلال أسرع دون المساومة على الأداء.
YOLOv8 يوفر نماذج محسنة وعالية السرعة للمهام بما في ذلك اكتشاف الكائنات وتصنيفها وتقسيمها وتقدير الوضع. مع الافراج عن YOLOv8.1 ، تتضمن هذه المهام المربعات المحيطة الموجهة (OBB) ، وهي ميزة مصممة للحصول على دقة متناهية.
تتفوق هذه الميزة المتطورة في اكتشاف الأشياء بزوايا ودورات متنوعة. تتجلى براعته في تمييز الأجسام المائلة مثل صور ونصوص الاستشعار عن بعد الجوية.
مع OBB ، يكون توطين الكائن دقيقا بشكل ملحوظ ، مما يقلل من تداخل الخلفية ويرفع تصنيف الكائن عن طريق تقليل الضوضاء من العناصر المحيطة لنماذج التصنيف المحسنة.
كان أبرز ما في هذا الحديث بلا شك العرض التوضيحي المباشر. مع بضعة أسطر من التعليمات البرمجية ، أظهر قوة الحل وتعدد استخداماته. ترك حساب العملاء في الوقت الفعلي والتنبيه السلس ومعايير الأداء الرائعة الجمهور في حالة من الرهبة.
من خلال معايير الأداء على أجهزة Intel ، حصلنا على عرض توضيحي لإمكانية تطبيق هذا الحل في العالم الحقيقي. من وحدات المعالجة المركزية i7 إلى خوادم Intel Xeon، قدم الحل أداءً استثنائيًا في جميع المجالات.
خلال العرض التقديمي ، عرض علينا خياران للنشر: البرامج النصية لأجهزة الكمبيوتر المحمولة البارعة في التكنولوجيا و Jupyter لأولئك الذين يفضلون نهجا عمليا أكثر. مع الوثائق الشاملة والتعليمات سهلة المتابعة ، كان نشر الحل أمرا سهلا.
عندما اختتم أدريان حديثه، ترك لنا تحديًا: الانضمام إلى ثورة الإدارة الذكية لقوائم الانتظار. فمع وجود مشاريع مفتوحة المصدر مثل هذا المشروع والمجموعات المرجعية للذكاء الاصطناعي Intel'Edge'، فإن الاحتمالات لا حصر لها. لذا دعونا نشمّر عن سواعدنا ونغوص في التعليمات البرمجية ونتبنى مستقبل إدارة قوائم الانتظار المدعومة بالذكاء الاصطناعي!
وفي الختام، تُعد رعاية Intelوحديث أدريان في YV23 شهادة على قوة الابتكار والتعاون في مجتمع الذكاء الاصطناعي. ومع وجود أصحاب الرؤى أمثاله الذين يقودون الطريق، يبدو المستقبل أكثر إشراقاً من أي وقت مضى. دعونا نستفيد من قوة الذكاء الاصطناعي، ونمكّن المطورين، ونحدث ثورة في إدارة قوائم الانتظار سطرًا واحدًا من التعليمات البرمجية في كل مرة!
شاهد المحادثة كاملة هنا!
