Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Kara Sistemlerinde Yapay Zeka Uygulamaları

Son dönemdeki GPU mimarilerinin gelişimine parelel olarak derin öğrenme uygulamalarının artmasının kara sistemlerine etkileri anlatılmaktadır.

  • Inicia sesión para ver los comentarios

Kara Sistemlerinde Yapay Zeka Uygulamaları

  1. 1. Ferhat Kurt Kara Sistemlerinde Yapay Zeka Uygulamaları https://openzeka.com
  2. 2. ÇözümlerHakkında Turkey Deep Learning Group Ankara Deep Learning Group 700+ 500+ NVIDIA DIGITS Konferans/Meetup/Eğitim 15+ NVIDIA® Jetson™ Partner NVIDIA Startup Programı Microsoft BizSpark Programı Sosyal Media OpenZeka Resim Tanıma Web ve API Server (Açık Kaynak Kodlu) Büyük Görsel Tanıma Servisi
  3. 3. YAPAY ZEKA GELİŞİMİ
  4. 4. NEDEN ŞİMDİ?
  5. 5. 72% 74% 84% 88% 93% 96% 2010 2011 2012 2013 2014 2015 ImageNet Yarışması GPU is 1 of 3 Breakthroughs Revolutionizing Deep Learning Doğruluk NVIDIA CUDA GPU YARIŞMA YILI Başarı Imagenet 2011 kazananı %74,3 Imagenet 2012 kazananı (Krizhesvky) %83,6 Imagenet 2013 kazananı (Zeiler/Clarifai) %88,3 Imagenet 2014 kazananı (GoogLeNet) %93,3 Andrej Karpathy (İnsan denek kullanılmıştır) %94,9 Buidu ArXiv Yayını 3 Oca 15 %94 MS Research ArXiv yayını 6 Şub 15 %95,1 Google ArXiv yayını 2 Mar 15 %95,2 Imagenet 2015 kazananı (Microsoft) %96,43 1 2 3
  6. 6. *the original image is from the COCO dataset girdi Kaiming He, Xiangyu Zhang, Shaoqing Ren, & Jian Sun. “Deep Residual Learning for Image Recognition”. arXiv 2015. Jifeng Dai, Kaiming He, & Jian Sun. “Instance-aware Semantic Segmentation via Multi-task Network Cascades”. arXiv 2015.
  7. 7. Microsoft & Google “Superhuman” Image Recognition Microsoft “Super Deep Network” Berkeley’s Brett End-to-End Reinforcement Learning Deep Speech 2 One network, 2 languages A New Computing Model Hits Pop Culture AlphaGo Rivals a World Champion TU Delft Deep-Learning Amazon Picking Champion YAPAY ZEKA KİLOMETRE TAŞLARI
  8. 8. 25 Eylül 2008 - DARPA Deep Learning Workshop 2009 - DARPA insansız hava araçlarının düşman toprakları üzerinde elde ettiği görüntü ve videoların karargâha aktarımıyla oluşturulan büyük veri (BigData) yığınıyla baş edebilmek maksadıyla daha iyi bir istihbarat katmanı geliştirilmesi kapsamında 2009 yılında derin öğrenme çalışmalarına destek vermeye başlamıştır. Hava Kuvvetleri ile Leland Stanford Junior Üniversitesi (Stanford University)arasında 15 Mart 2010 - 15 Haziran 2014 sonlanmıştır. Bu anlaşma kapsamında $2,693,119 ödenmiştir. 2015 - Amerikan Hava Kuvvetleri Araştırma Laboratuarı Deep Learning Analytics ile Target Recognition and Adaption in Contested Environments (TRACE) programı kapsamında 6 milyon dolarlık bir sözleşme imzaladı. 2015 - Deep Learning for Actionable Intelligence Discovery and Exploitation ABD Hava Kuvvetleri, derin öğrenme alanındaki devrimsel nitelikteki başarıları gördükten sonra görüntü analizinde derin öğrenme ve doğal dil işleme kullanımına yönelik ihale duyurusunu yaptı. 8
  9. 9. THE UNDER SECRETARY OF DEFENSE The purpose of this study is to identify the science, engineering, and policy problems that must be solved to permit greater operational use of autonomy across all warfighting domains.
  10. 10. THE UNDER SECRETARY OF DEFENSE to build trust and enable the most effective use of autonomy for the defense of the nation.
  11. 11. Internet of Everything for Defense İnsan - Makine Timi Makine - Makine Timi
  12. 12. https://www.tesla.com
  13. 13. TARDEC U.S. Army Tank Automotive Research Development and Engineering Center ABD Ordusu Ekim 2016’da Zorlu Avustralya Arazisinde Kendi Kendine Süren Araç Testlerine Başladı
  14. 14. Bağlantılı Araçlar ABD Ordusu, kendi kendine süren bağlantılı araç konvoyu testine Haziran 2016’da başladı. U.S. Army Tank Automotive Research, Development and Engineering Center (TARDEC)
  15. 15. Image: Boston Dynamics via YouTube From left: Old ATLAS, next generation ATLAS, BigDog, WildCat, and AlphaDog http://spectrum.ieee.org/automaton/robotics/humanoids/next-generation-of-boston-dynamics-atlas-robot
  16. 16. RESİMLER SESLER VİDEOLAR METİNLER BÜYÜK VERİ Meta veri filtreleri İnsan algısı BUGÜN DARBOĞAZ Göreve odaklı analiz Gürültülü içerik Mükemmele yakın anlama Otomatik makine algısı Semantik İçerik tabanlı filtreler VİZYON Göreve odaklı analiz İnsan seviyesine yakın algılama Görevle ilgili içerik İstihbarat Analizi İş Akışı SAYILAR RESİMLER SESLER VİDEOLAR METİNLER SAYILAR BÜYÜK VERİ 16
  17. 17. Derin Öğrenme, görevle ilgili içerik ve örüntüleri ham veri olarak makine hızında tanımlayan genel algoritmalar sunmaktadır. Başarılması gereken her özel bilgi ayıklama görevi için algoritma yazmaya ne yeteri kadar zaman ne de uzmanlık bulumaktadır. Her dakika 100 saatlik video yüklemesi Günlük 350 milyon resim yükleme Uzaktan algılama firmalarının sayısı ve kapasitelerinin hızlı artırışı On binlere sosyal ve politik olay günlük olarak indekslenmektedir. Derin Öğrenmenin Coğrafi Analizde Kullanılması 17
  18. 18. 18
  19. 19. DigitalGlobe uzaydan nesne tesbitinde derin öğrenme kullanıyor COĞRAFİ VERİ ANALİZİ
  20. 20. https://www.technologyreview.com/s/602239/amazon-and- the-cia-want-to-teach-ai-to-watch-from-space/ Amazon and the CIA Want to Teach AI to Watch from Space SPACE 3.0 CosmiQ Works brings together the U.S. Intelligence Community, industry, and academia to explore the art of the possible in the new space ecosystem. http://www.cosmiqworks.org
  21. 21. 21 Kaynak: DARPA
  22. 22. http://www.defenseinnovationmarketplace.mil/auto_hmt.html
  23. 23. 23 http://thefutureofthings.com/3524-future-robotic-squadrons-to-patrol-military-bases/
  24. 24. http://www.soldiermod.com/volume-2-06/eda.html
  25. 25. CONNECTED SOLDIERS http://www.ittcannon.com/Core/medialibrary/ITTCannon/website/Literature/Catalogs-Brochures/13428_Future_Soldier_LR.pdf
  26. 26. JETSON TX1 EMBEDDED AI SUPERCOMPUTER 10W | 1 TF FP16 | >20 images/sec/W
  27. 27. JETSON TX1 GPU 1 TFLOP/s 256-core Maxwell CPU 4x 64-bit ARM A57 CPUs | 1.6GHz Memory 4 GB LPDDR4 | 25.6 GB/s Video decode 4K 60Hz H.264 Video encode 4K 30Hz H.264 CSI Up to 6 cameras | 1400 Mpix/s Display 2x DSI, 1x eDP 1.4, 1x DP 1.2/HDMI Wi-Fi 802.11 2x2 ac Networking 1 Gigabit Ethernet PCI-E Gen 2 1x1 + 1x4 Storage 16 GB eMMC, SDIO, SATA Other 3x UART, 3x SPI, 4x I2C, 4x I2S, GPIOs Power 10-15W, 6.6V-19.5VDC Size 50mm x 87mm System on Module
  28. 28. Linux for Tegra Compute (CUDA) Jetson TX1 Vision Machine Learning cuSPARSE cuSolver cuFFT cuBLAS NPP cuRAND Thrust CUDA Math Library Graphics Tools NVTX NVIDIA Tools eXtension Source code editor Debugger Profiler System Trace Vertically Integrated Packages V4L2 libjpeg JETSON SDK: THE DETAILS
  29. 29. DIGITS Workflow VisionWorks Jetson Multimedia SDK and other technologies: Deep Learning SDK CUDA, Linux4Tegra, NSIGHT EE, OpenCV4Tegra, OpenGL, Vulkan, System Trace, Visual Profiler, Ubuntu 16.04-14.04 NVIDIA JETPACK
  30. 30. ÖNCÜ JETSON TEKNOLOJİSİ Otonom Makinelerin Gelecek Nesline Güç Veriyor
  31. 31. Object Detection Localization Image Recognition Classification Segmentation Free Space DEEP VISION Registration SLAM3D ShapeNet
  32. 32. Request & Response Service Layer User Interface (Web+API Support) Input Output OpenZeka Libraries Cafee Torch7 Theano ??? Models bvlc_reference_caffenet PYTHON Image, video Tagging Age and Gender GoogLeNet_cars on car model VGG Face Clothing ?????
  33. 33. Image Recognition Service Image Recognition Service 12.960.000 image recognition/month 12.700 USD - 35.000 USD/Month
  34. 34. Flask-User Flask-OAuthlib Accelerated reverse proxying with caching; load balancing and fault tolerance OpenZeka Image Recognition Web and API Server Flask-ReqArg Registrations and Email Confirmations, User Account Functionalities, Role-based Authorization, OAuth 2.0 based API Clean and functional user interface with HTML5 Boilerplate, Bootstrap, and jQuery
  35. 35. Object Classification Segmentation Collision Avoidance 3D Reconstruction Localization/Mapping
  36. 36. OTONOM YARIŞ ARABASI PROGRAMI http://fast.scripts.mit.edu/racecar/ Otonom araç geliştirilmesi kapsamında üniversite/sanayiiye açık bir program. Programa katılım için: info@openzeka.com
  37. 37. Open Zeka Bilgi Teknolojileri Ticaret Limited Şirketi Beştepe Mahallesi Nergiz Sokak No:7/2/27-28 Yenimahalle – Ankara https://openzeka.com info@openzeka.com

×