【20201225期AI简报】YolactEdge：边缘设备上的实时实例分割，已开源！

导读：本期为 AI 简报 20201225 期，将为您带来 6 条相关新闻，有趣有料无水文~
本文一共 1200 字，通篇阅读结束需要 3~5 分钟

1. 170 FPS！YolactEdge：边缘设备上的实时实例分割，已开源！

Paper: https://arxiv.org/abs/2012.12259
Github: https://github.com/haotian-li...\_edge

本文提出了YolactEdge实时实例分割方法，可以在小型边缘设备上以实时速度运行。具体来说，在550x550分辨率的图像上，带有ResNet-101主干的YolactEdge在Jetson AGX Xavier上的运行速度高达30.8FPS（在RTX 2080Ti上的运行速度为172.7FPS）。为了实现这一目标，我们对基于图像的最新实时方法YOLACT进行了两项改进：

1）优化TensorRT，同时谨慎权衡速度和准确性；

2）利用视频中时间冗余的新型特征扭曲模块。

在YouTube VIS和MS COCO数据集上进行的实验表明，与现有的实时方法相比，YolactEdge的速度提高了3-5倍，同时具有极好的mask和box检测精度。

2. 谷歌发布 MediaPipe Holistic，实现移动端同时进行人脸、手部和人体关键点检测跟踪

Github：https://github.com/google/med...
原文链接：
https://ai.googleblog.com/202...

谷歌MediaPipe Holistic为突破性的 540 多个关键点（33 个姿势、21 个手和468 个人脸关键点）提供了统一的拓扑结构，并在移动设备上实现了近乎实时的性能。

谷歌之前发布的 MediaPipe 就是一个专门为GPU或CPU而设计的开源框架，已经为这些单个任务提供了快速、准确而又独立的解决方案。

但将它们实时组合成一个语义一致的端到端解决方案，仍是一个难题，需要多个依赖性神经网络的同步推理。

不久前，谷歌发布了 MediaPipe Holistic，就是针对上述挑战而提出一个解决方案，提出一个最新最先进的人体姿势拓扑结构，可以解锁新的应用。

3. 树莓派与深度学习：目标检测

原文地址：https://zhuanlan.zhihu.com/p/...

作者之前已经是实现了树莓派4B上的深度学习环境搭建和测试，

https://zhuanlan.zhihu.com/p/...

这一篇是在树莓派上运行深度学习目标检测模型进行推理的效果，

主要是基于TensorFlow目标检测API，

并从该项目的一个子页面下载训练好的模型和权重，

直接进行目标检测的推理过程。

步骤如下：

下载安装TensorFlow目标检测API
配置环境
下载模型
运行

4. Docker 从入门到干活，看这一篇足矣

本文来自：cnblogs.com/clsn/p/8410309.html

Docker作为一个非常好的环境隔离神器，在机器学习圈也越来越火了。那么，Docker是什么，怎么用，相信大家看完本文，会对它有一个比较全面的认识

分别从以下几个方面来介绍：

容器简介
什么是 Docker
安装 Docker
Docker镜像相关操作
容器的日常管理

5. 亚马逊李沐团队提出：(开源) 行为识别的全面调研 2014-2020

30页行为识别综述，共计283篇参考文献！Amusi 认为这是目前2020年看到的关于行为识别（视频理解）最好且最全面的综述。

本文对基于深度学习的视频行为识别（Video Action Recognition）论文进行了全面调研，按时间顺序详细介绍并盘点出重要工作，还统计出了17个视频行为识别数据集，最后还复现了大量优秀工作的代码，现已开源！

6. AWS与NVIDIA合作伙伴通过嵌入式AI简化构建应用程序

最近，NVIDIA与亚马逊网络服务(AWS)通过在AWS Marketplace中提供NVIDIA店面，宣布了一项合作伙伴关系，旨在简化将AI功能嵌入应用程序的过程。总计，NVIDIA将免费提供21种软件工具，以帮助使用AWS的开发人员构建GPU加速的AI应用程序。这将在医疗保健，金融，零售，智慧城市等多个领域引起广泛关注。

自2017年以来，NVIDIA一直通过其NVIDIA GPU优化云(NGC)目录以及AWS Marketplace上的一些单独组件提供了GPU加速软件。但是，这是Nvidia的整个产品组合首次进入AWS Marketplace。NGC目录将NVIDIA的GPU加速软件工具集中在一起。它包含数百个机器学习(ML)框架和行业特定的软件开发套件，数据科学家和开发人员可以使用它们来构建AI解决方案。

NVIDIA声称250,000名用户已经从NGC目录中下载了超过100万个AI容器，预训练的模型，应用程序框架，Helm图表和其他ML资源。

RT-Thread

让物联网终端的开发变得简单、快速，芯片的价值得到最大化发挥。Apache2.0协议，可免费在商业产品中使用，不需要公布源码，无潜在商业风险。

原文链接：https://mp.weixin.qq.com/s/ewKIbHct-Cm9sHnK9Yt2SQ
转载已获授权，禁止二转