شرکت شهاب نرم افزار پلاک خوان | دوربین پلاک خوان | تشخیص چهره
در دنیای امروزی هوش مصنوعی، انویدیا و سیستم‌های گرافیکی آن، اغلب توجه‌ها را به خود جلب کرده اند. اما ما اینجا هستیم تا رویکرد متفاوتی را معرفی کنیم؛ تشخیص خودکار پلاک خودرو (ALPR) بدون استفاده از GPU. سیستم ALPR ما ثابت می‌کند که برای تشخیص پلاک خودرو همیشه به پردازنده گرافیکی GPU نیاز ندارید.
در این مقاله، ما با ALPR بدون پردازنده گرافیکی به عنوان یک راه حل مقرون به صرفه تر، اما همچنان با کارایی بالا، آشنا خواهیم شد.
GPU چیست؟
واحدهای پردازش گرافیکی (GPU) اجزای سخت افزاری تخصصی هستند که برای سرعت بخشیدن به پردازش داده‌های بصری طراحی شده‌اند. پردازنده‌های گرافیکی که در ابتدا برای رندر کردن گرافیک در بازی‌های ویدیویی و برنامه‌های گرافیکی توسعه یافتند، اکنون به پردازنده‌های موازی قدرتمندی تبدیل شده اند که قادر به انجام طیف گسترده‌ای از وظایف محاسباتی فراتر از رندر گرافیکی هستند.
نقش GPU ها در سیستم های ALPR چیست؟
در سیستم‌های ALPR پردازنده‌های گرافیکی، پردازش داده‌های تصویر گرفته‌شده توسط دوربین‌ها را تسریع می کنند. پردازنده‌های گرافیکی به لطف روش محاسباتی خاص خود که پردازش موازی نامیده می‌شود، می‌توانند به طور همزمان بسیاری از فریم‌های ویدیویی را پردازش کنند. با توزیع وظایف محاسباتی در هزاران هسته پردازشی، GPUها می توانند حجم کار محاسباتی فشرده مورد نیاز برای تشخیص بلادرنگ پلاک خودرو را کنترل کنند.
سیستم‌های ALPR معمولاً از پردازنده‌های گرافیکی برای کارهایی مانند (اما نه محدود به) :
پیش پردازش تصویر : GPU ها می توانند کارهای پیش پردازشی مانند تغییر اندازه تصویر، کاهش نویز و افزایش کنتراست را برای بهبود کیفیت تصاویر گرفته شده قبل از استخراج پلاک انجام دهند.
تشخیص پلاک خودرو : پردازنده‌های گرافیکی از الگوریتم‌هایی برای تشخیص وجود پلاک‌ها در تصاویر یا فریم‌های ویدئویی استفاده می‌کنند.
تطبیق پایگاه داده : GPU ها مقایسه سریع داده های پلاک خودرو استخراج شده با پلاک های موجود در پایگاه داده را برای اهداف شناسایی، تأیید یا اجرا تسهیل می کنند.
با پردازنده‌های گرافیکی، سیستم‌های ALPR می‌توانند به توان عملیاتی و دقت بالایی در وظایف تشخیص پلاک دست پیدا کنند که این خود کیفیت و سرعت انجام کار را بالا خواهد برد.
چالش‌های سیستم‌های ALPR مبتنی بر GPU
استفاده از پردازنده‌های گرافیکی در سیستم‌های ALPR مزایای خاص خود را دارد، اما استفاده از آن‌ها با چندین چالش نیز همراه است :
هزینه های سخت افزار و نگهداری بالا
یکی از چالش های اصلی مرتبط با سیستم های ALPR مبتنی بر GPU، هزینه بالای سخت افزار است. پردازنده‌های گرافیکی اجزای تخصصی هستند که خرید آن‌ها قیمت تمام شده سیستم پلاک خوان خودکار را بالا می برد به ویژه برای مدل‌های پیشرفته.
علاوه بر این، استقرار و نگهداری سیستم‌های مبتنی بر GPU ممکن است به زیرساخت و تخصص نیاز داشته باشد و هزینه‌های کلی سازمان‌هایی را که سیستم های ALPR را طراحی و اجرا می‌کنند، افزایش دهد.
مصرف برق
سیستم های ALPR مبتنی بر GPU اغلب مقادیر قابل توجهی برق مصرف می کنند که منجر به افزایش هزینه های انرژی می شود. معماری پردازش موازی پردازنده‌های گرافیکی، در حالی که فقط برای کارهای خاص کارآمد است، می‌تواند منجر به مصرف انرژی بالا شود به ویژه در استقرار در مقیاس بزرگ که در آن از چندین GPU استفاده می‌شود.
مقیاس پذیری و انعطاف پذیری محدود
چالش دیگر سیستم های ALPR مبتنی بر GPU، مقیاس پذیری و انعطاف پذیری محدود آنهاست. در حالی که پردازنده‌های گرافیکی در پردازش حجم زیادی از داده‌های تصویر به صورت موازی عالی هستند، مقیاس‌بندی راه‌حل‌های مبتنی بر GPU برای تطبیق با حجم کاری رو به رشد یا نیازهای در حال تحول می‌تواند پیچیده و پرهزینه باشد.
محدودیت در دسترسی به GPU ها
در دسترس بودن محدود پردازنده های گرافیکی از عوامل مختلفی ناشی می شود. در مرحله اول، NVIDIA، یک تولید کننده برجسته GPU، تمرکز خود را به سمت تولید تراشه های متناسب با وظایف AI (هوش مصنوعی) تغییر داده است. این تراشه‌های تخصصی برای بارهای کاری هوش مصنوعی بهینه شده‌اند و دارای قابلیت‌های پیشرفته‌ای مانند هسته‌های تنسور و معماری بهبود یافته حافظه هستند. با این حال، این تاکید استراتژیک بر روی تراشه های مبتنی بر هوش مصنوعی منجر به کاهش در دسترس بودن GPU معمولی برای مصرف کنندگان عمومی شده است.
یکی دیگر از عوامل مؤثر در کمبود GPU، افزایش تقاضا است که به دلیل محبوبیت برنامه های کاربردی هوش مصنوعی در صنایع مختلف است. با افزایش پذیرش هوش مصنوعی برای وظایف مختلف، نیاز شدید به GPUهای قدرتمند برای پشتیبانی از این وظایف محاسباتی وجود دارد. در نتیجه، افزایش تقاضا برای پردازنده‌های گرافیکی برای اهداف هوش مصنوعی از عرضه پیشی گرفته و کمبودهایی در بازار ایجاد کرده است.
آیا ALPR بدون GPU هنوز هم می تواند نتایج خوبی ارائه دهد؟
در حالی که پردازنده‌های گرافیکی معمولاً برای قابلیت‌های پردازش موازی‌شان استفاده می‌شوند، CPUهای چند هسته‌ای مدرن می‌توانند به طور موثر وظایف ALPR را انجام دهند، به ویژه زمانی که با الگوریتم‌ها و نرم‌افزارهای تخصصی بهینه شوند. تست‌های عملکرد ما نشان داده‌اند که سیستم‌های ALPR مبتنی بر CPU می‌توانند به تشخیص پلاک خودرو به صورت کارآمد دست یابند، و نشان می‌دهد که شتاب GPU همیشه برای دستیابی به نتایج خوب ضروری نیست.
در اینجا نتایج آزمون های عملکرد ما آمده است :
۰٫۰۵۷ seconds for Nvidia K80 Cloud with GPU
0.060 seconds for Intel Xeon E3-1240 v3 8 cores, without GPU
0.070 seconds for Intel i7-8550U CPU @ 1.80GHz × ۸ Cores, without GPU
0.110 seconds for Intel Xeon E5-2680 v2 @ 2.80GHz x 4 Cores, without GPU
موتور ANPR ما عملکرد چشمگیری را در پیکربندی های سخت افزاری مختلف نشان می دهد. هنگام استفاده از NVIDIA K80 Cloud با GPU، موتور به سرعت پردازش سریعی دست می یابد و یک جستجوی پلاک خودرو را تنها در ۰٫۰۵۷ ثانیه انجام می دهد.
با این حال، حتی بدون شتاب GPU، موتور سطوح عملکرد بالا را حفظ می کند. برای مثال، در Intel Xeon E3-1240 v3 با ۸ هسته، موتور جستجو را در ۰٫۰۶۰ ثانیه کامل می‌کند و قابلیت‌های پردازش کارآمد را تنها از طریق قدرت CPU به ما نشان می‌دهد. به طور مشابه، در پردازنده Intel i7-8550U با ۸ هسته، موتور به زمان پردازش رقابتی ۰٫۰۷۰ ثانیه دست می یابد.
حتی پیکربندی‌هایی با هسته‌های کمتر، مانند Intel Xeon E5-2680 v2 با ۴ هسته، عملکرد رضایت‌بخشی را به دست می‌آورند، هرچند کمی کندتر، و جستجوی پلاک را در ۰٫۱۱۰ ثانیه تکمیل می‌کنند.
شایان ذکر است، بر اساس این سرعت‌های استنتاج، موتور ANPR تشخیص پلاک می‌تواند تصاویر را با سرعت ۱۷ فریم در ثانیه پردازش کند که نشان می‌دهد ALPR با کارایی بالا بدون شتاب GPU قابل دستیابی است.
ALPR بدون GPU : نتیجه گیری
استفاده از GPU دارای معایبی است، از جمله هزینه های بالا، در دسترس بودن محدود و افزایش مصرف انرژی و بالتبع هزینه های آن. خرید سخت افزار GPU نیز می تواند گران باشد، به خصوص برای مدل های رده بالا.
با این حال، با موتور ALPR خود، جایگزینی را ارائه می دهیم که به شتاب GPU نیاز ندارد. ما الگوریتم‌هایی را توسعه داده‌ایم که بدون تکیه بر پردازنده‌های گرافیکی، عملکردی استثنایی ارائه می‌دهند. این بدان معناست که سازمان‌ها، مشاغل و افراد می‌توانند بدون هزینه‌ها و محدودیت‌های مربوط به GPU به تشخیص پلاک خودرو با عملکرد بالا دست یابند.
منبع : platerecognizer
