AIの虹膜認識技術は クラウドから端末へと移行しています
過去には 高精度なAI アイリス認識は クラウドコンピューティングに 頼っていました制限されたネットワークアクセスまたは厳格なプライバシー要件のあるシナリオで固有のアプリケーションのボトルネックを作成した認識の正確性を維持しながら,アルゴリズム能力をエッジデバイスに移行する方法が,業界にとって一般的な技術的な課題となっています.
ホムシュは独自の解決策を提示しました
I.国内NPUプラットフォーム:端から端までアイリス認識を可能にする
最近,HomshのR&Dチームは,組み込みNPUプラットフォームで自社開発した軽量アイリス認識モデルの展開と検証を完了しました.選択されたターゲットハードウェアは Rockchip RK3588チップに基づく開発ボードです. 高性能な国内エッジコンピューティングチップの代表的な製品です.AARCH64のアーキテクチャを採用し,専用のNPUコンピューティングユニットで装備されています.
チームはこのプラットフォーム上で2つの技術経路を体系的に検証した.ONNXランタイムに基づく一般推論ソリューションとRKNNに基づくNPU加速ソリューション.両路線もモデル積載を完了しました, inference link connection と function verification とサポートするグラフィカルユーザーインターフェースは,通常オフライン評価とリアルタイムカメラキャプチャを実行できます.
これは Homsh のコア アイリス認識アルゴリズムが 国内端末チップで 独立して動作する能力を持つことを意味します
II. 3.7x 速度向上: NPU 加速効果が顕著
性能データは最も直感的な例を示します
標準テスト条件では,ONNXモデルは,約1FPSの安定した推論フレームレートで100%の虹膜認識精度を達成します.RKNNモデルはNPUによって加速され,その推論フレームレートは3に跳ね上がります..64FPSで,速度が3.7倍向上しました.
RKNNモデルの輸出, 基礎となる図書館アーキテクチャの互換性,シンボルの定義が欠けているアルゴリズムの移植から ハードウェアの適応まで すべてのステップは "アルゴリズム・チップ・ターミナル"における Homsh の垂直統合能力の成熟度を検証しました
RKNNモデルの精度最適化に関する研究を進めている.ONNX版と同等の認識精度を回復し,高フレームレートの優位性を維持する.
エッジデプロイメント:より多くのアプリケーションの可能性を解放する
エッジ・インテリジェンスが持つ価値は 速度だけではありません
小型の開発ボードに アイリス認識機能が組み込まれると クラウドコンピューティング パワーと安定したネットワーク接続への依存から解放されます地下鉱山などのネットワーク条件が限られているシナリオでは遠隔建設現場や 移動法執行機関では 本当に実行可能な解決策です
クラウドにアップロードすることなく バイオメトリックデータをマッチできます金融機関や政府サービスなどの厳格なデータセキュリティ要件を伴うアプリケーションシナリオに自然に適しています.
ホムシュは軽量アルゴリズムの 国内端末チップへの深層適応を 推進し続けます パートナーに 高性能で低コストでアイリス認識のための簡単に統合できる端末.
IV. テクニカルハイライト
テクニカル ハイライト の 速やかな 概要
ターゲットプラットフォーム: ロックチップ RK3588
モデルタイプ: アイリス認識 + 顔認識
ONNX 精度 100%
RKNNフレームレート: 3.64 FPS
機能検証:オフライン評価,リアルタイムキャプチャ, 1:N認識モード
アルゴリズム研究開発からチップ適応,クラウド展開からエッジ実装まで,Homshは虹膜認識技術の応用範囲を段階的に拡大しています.
認識が速く より近く より安全になります
より多くの技術的な詳細や協力の機会について議論するには,私たちと連絡してください.
