اكتشف كيف تُحدث Ultralytics YOLOv8 و OpenVINO من Intel ثورة في إدارة الطوابير. تعلم من رؤى YV23 واعتنق الحلول المدفوعة بالذكاء 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! شهد أحد الخطابات الرئيسية Adrian Boguszewski، مبشر البرامج في Intel، يعتلي المسرح لمشاركة رؤاه حول إحداث ثورة في إدارة قائمة الانتظار باستخدام Ultralytics YOLOv8 و OpenVINO من Intel. دعنا نتعمق في النقاط الرئيسية من هذه المحادثة.
بدأ أدريان بمعالجة تحدٍ عالمي: المهمة اليدوية لإدارة الطوابير. 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 أدريان لإدارة الطوابير الذكية واضحة تمامًا: تسخير قوة الذكاء الاصطناعي لاكتشاف ومراقبة الطوابير في الوقت الفعلي. من خلال تحديد مناطق الاهتمام وعد الأشخاص داخل هذه المناطق، يمكن للنظام تنبيه مساعدي المتجر بسلاسة عندما تتجاوز الطوابير السعة. يا له من تغيير لقواعد اللعبة!
تم تقسيم هذا الحل إلى 4 خطوات بسيطة:
قدم لنا أدريان عجائب مجموعة أدوات OpenVINO مفتوحة المصدر من Intel لتحسين ونشر استدلال الذكاء الاصطناعي. مع دعم مجموعة واسعة من الأطر والأجهزة، تعد OpenVINO بأداء أفضل ونشر سلس عبر منصات متنوعة.
كشف أدريان أيضًا عن السر وراء التحسين: ضغط الشبكة العصبية. باستخدام تقنيات مثل التكميم بعد التدريب، يمكن ضغط النماذج دون التضحية بالدقة. والنتيجة؟ استدلال أسرع دون المساس بالأداء.
يوفر YOLOv8 نماذج مُحسَّنة وعالية السرعة للمهام بما في ذلك اكتشاف الكائنات والتصنيف والتجزئة وتقدير الوضعية. مع إصدار YOLOv8.1، تتضمن هذه المهام مربعات الإحاطة الموجهة (OBB)، وهي ميزة مصممة لتحقيق دقة متناهية.
تتفوق هذه الميزة المتطورة في اكتشاف الكائنات بزوايا ودورات متنوعة. تتجلى براعتها في تمييز الكائنات المائلة مثل صور الاستشعار عن بعد الجوية والنصوص.
مع OBB، يكون تحديد موقع الكائن دقيقًا بشكل ملحوظ، مما يقلل من تداخل الخلفية ويرفع من تصنيف الكائن عن طريق تقليل التشويش من العناصر المحيطة لتحسين نماذج التصنيف.
كان أبرز ما في هذه المحادثة بلا شك العرض التوضيحي المباشر. ببضعة أسطر فقط من التعليمات البرمجية، عرض قوة وتنوع الحل. ترك عد 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 للتطبيق الواقعي لهذا الحل. من وحدات المعالجة المركزية i7 إلى خوادم Intel Xeon، قدم الحل أداءً استثنائيًا عبر اللوحة.
خلال العرض التقديمي، عُرض علينا خياران للنشر: نصوص لأولئك الذين لديهم خبرة تقنية ودفاتر Jupyter لأولئك الذين يفضلون اتباع نهج عملي أكثر. بفضل الوثائق الشاملة والتعليمات سهلة الاتباع، كان نشر الحل أمرًا سهلاً.
عندما اختتم أدريان حديثه، ترك لنا تحديًا: الانضمام إلى ثورة إدارة قائمة الانتظار الذكية. مع المشاريع مفتوحة المصدر مثل هذه ومجموعات Intel's Edge AI المرجعية، كانت الاحتمالات لا حصر لها. لذلك دعونا نشمر عن سواعدنا وننغمس في التعليمات البرمجية ونتبنى مستقبل إدارة قائمة الانتظار المدعومة بالذكاء الاصطناعي!
في الختام، تُعد رعاية Intel وحديث Adrian في YV23 دليلًا على قوة الابتكار والتعاون في مجتمع الذكاء الاصطناعي community. ومع وجود أصحاب رؤى مثله يقودون الطريق، يبدو المستقبل أكثر إشراقًا من أي وقت مضى. دعونا نسخر قوة الذكاء الاصطناعي، ونمكّن المطورين، ونحدث ثورة في إدارة قائمة الانتظار سطرًا واحدًا من التعليمات البرمجية في كل مرة!
شاهد المحاضرة كاملة هنا!
.webp)