Syvän neuroverkon päättelynopeus mobiililaitteella
Uitto, Roope (2022)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022101821349
https://urn.fi/URN:NBN:fi:amk-2022101821349
Tiivistelmä
Tarve ja halu hyödyntää tekoälyä resurssirajoitteisissa laitteissa, kuten älypuhelimissa on lisääntynyt. Erityisesti syvien neuroverkkojen suorituskyky halutaan tuoda käytettäväksi myös mobiilisovelluksissa. Neuroverkkojen ajamisen laskennallinen vaativuus on ongelma rajoitetun prosessointitehon omaavissa älypuhelimissa. Ongelmaa on kierretty ulkoistamalla neuroverkkojen päättely palvelimille, mutta se on tuonut mukanaan ongelmia ja rajoitteita: datan siirtoon ei ole käytössä verkkoyhteyttä tai yhteys on hidas, palvelimien hankinta ja ylläpito tuottaa kustannuksia, ja datan säilyttämisessä ja käsittelyssä tulee huolehtia EU:n tietosuoja-asetuksen noudattamisesta.
Neuroverkkojen ajaminen paikallisesti laitteessa voi pienentää edellä mainittuja ongelmia tai poistaa ne jopa kokonaan. Tämän opinnäytetyön tarkoituksena oli selvittää, kuinka nopeasti neuroverkko päättelee nykyaikaisilla älypuhelimilla, kun käytetään resurssirajoitteisille laitteille tarkoitettua neuroverkkomallia. Tähän tarkoitukseen koulutettiin syvä neuroverkko kohteen tunnistus -tehtävään, jossa tunnistettiin levytangon pää. Toisena tarkoituksena oli selvittää, kuinka reaaliaikaisesti levytangon päätä voidaan seurata, kun seuranta toteutetaan peräkkäisten kuvien tunnistuksena videodatasta.
Levytangon pään tunnistukseen mukautettu neuroverkkomalli lisättiin React Native -sovelluskehyksellä toteutettuun mobiilisovellukseen, joka asennettiin testattaviin älypuhelimiin. Päättelynopeus testatuilla älypuhelimilla oli noin 330–550 ms, joka vastaa kuvataajuutena noin 2–3 FPS. Saavutettu päättelynopeus on kohtuullinen ja osoittaa, että neuroverkon päättelynopeus on riittävä, jos ei vaadita reaaliaikaisuutta tai nopeaa vasteaikaa. Jos halutaan seurata nopeasti liikkuvaa kohdetta, kuten levytangon päätä, neuroverkon tulisi kyetä vähintään 40–50 ms päättelynopeuteen. Tämän opinnäytetyön perusteella perustason älypuhelimilla ei pystytä reaaliaikaiseen kohteen seurantaan.
Neuroverkkojen ajaminen paikallisesti laitteessa voi pienentää edellä mainittuja ongelmia tai poistaa ne jopa kokonaan. Tämän opinnäytetyön tarkoituksena oli selvittää, kuinka nopeasti neuroverkko päättelee nykyaikaisilla älypuhelimilla, kun käytetään resurssirajoitteisille laitteille tarkoitettua neuroverkkomallia. Tähän tarkoitukseen koulutettiin syvä neuroverkko kohteen tunnistus -tehtävään, jossa tunnistettiin levytangon pää. Toisena tarkoituksena oli selvittää, kuinka reaaliaikaisesti levytangon päätä voidaan seurata, kun seuranta toteutetaan peräkkäisten kuvien tunnistuksena videodatasta.
Levytangon pään tunnistukseen mukautettu neuroverkkomalli lisättiin React Native -sovelluskehyksellä toteutettuun mobiilisovellukseen, joka asennettiin testattaviin älypuhelimiin. Päättelynopeus testatuilla älypuhelimilla oli noin 330–550 ms, joka vastaa kuvataajuutena noin 2–3 FPS. Saavutettu päättelynopeus on kohtuullinen ja osoittaa, että neuroverkon päättelynopeus on riittävä, jos ei vaadita reaaliaikaisuutta tai nopeaa vasteaikaa. Jos halutaan seurata nopeasti liikkuvaa kohdetta, kuten levytangon päätä, neuroverkon tulisi kyetä vähintään 40–50 ms päättelynopeuteen. Tämän opinnäytetyön perusteella perustason älypuhelimilla ei pystytä reaaliaikaiseen kohteen seurantaan.