اكتشف كيف يُحدث كل من Ultralytics YOLOv8 OpenVINO من Intel ثورة في إدارة قوائم الانتظار. تعلّم من رؤى YV23 واعتمد الحلول القائمة على الذكاء الاصطناعي للمراقبة في الوقت الفعلي. انضم إلى الثورة الآن!
اكتشف كيف يُحدث كل من Ultralytics YOLOv8 OpenVINO من Intel 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 مؤتمر YOLO Vision 2023 (YV23)، حيث اندمجت الأفكار الرائدة بسلاسة مع أحدث التقنيات! وشهدت إحدى الكلمات الرئيسية مشاركة مبشر البرمجيات في Intelأدريان بوغوشيفسكي على المنصة لمشاركة أفكاره حول إحداث ثورة في إدارة قوائم الانتظار باستخدام Ultralytics YOLOv8 و OpenVINO منIntel. دعونا نتعمق في الوجبات الرئيسية من هذا الحديث.
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 للإدارة الذكية لقوائم الانتظار واضحة تماماً: تسخير قوة الذكاء الاصطناعي detect ومراقبة قوائم الانتظار في الوقت الفعلي. من خلال تحديد مناطق الاهتمام وإحصاء عدد الأشخاص داخل هذه المناطق، يمكن للنظام تنبيه مساعدي المتجر بسلاسة عندما تتجاوز الطوابير السعة الاستيعابية. تغيير قواعد اللعبة بالفعل!
تم تقسيم هذا الحل إلى 4 خطوات بسيطة:
عرّفنا أدريان على عجائب مجموعة أدوات OpenVINO مفتوحة المصدر من Intelلتحسين الاستدلال بالذكاء الاصطناعي ونشره. 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 محسّنة وعالية السرعة للمهام التي تتضمن اكتشاف الأجسام وتصنيفها وتجزئتها وتقدير وضعيتها. مع إصدار الإصدار YOLOv8.1، تشمل هذه المهام المربعات المحدودة الموجهة (OBB)، وهي ميزة مصممة لتحقيق الدقة المتناهية.
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 لإمكانية تطبيق هذا الحل في العالم الحقيقي. من وحدات المعالجة المركزية i7 إلى خوادم Intel Xeon، قدم الحل أداءً استثنائياً في جميع المجالات.
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.
وفي ختام حديثه، تركنا أدريان أمام تحدٍ: الانضمام إلى ثورة الإدارة الذكية لقوائم الانتظار. فمع وجود مشاريع مفتوحة المصدر مثل هذا المشروع والمجموعات المرجعية للذكاء الاصطناعي من Intel Edge، فإن الاحتمالات لا حصر لها. لذا دعونا نشمّر عن سواعدنا ونغوص في التعليمات البرمجية ونتبنى مستقبل إدارة قوائم الانتظار المدعومة بالذكاء الاصطناعي!
في الختام، تُعد رعاية Intelوحديث أدريان في مؤتمر 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 المحاضرة كاملة هنا!