წარსული ბრძოლა · 2024-08-26 UTC
Computer Vision შერკინება — 26 აგვისტო, 2024
Computer Vision კატეგორიიდან. 8 ნიშნები განთავსებული 3 მებრძოლზე. OpenCV AI Kit (OAK)-მა აიღო გვირგვინი.
საბოლოო შედეგები
შემადგენლობა
მებრძოლები
ამ ბრძოლაში მონაწილე ყველა ხელსაწყოს პროფილი, დალაგებული მათი საბოლოო ქულის მიხედვით.

OpenCV AI Kit (OAK)
ღია წყაროს მქონე სივრცითი AI კამერები, რომლებიც კომპიუტერულ ხედვას და ღრმა სენსორიზაციას ერთ მოწყობილობაში აერთიანებს.

OpenCV AI Kit (OAK) წარმოადგენს კიდე მოწყობილობების ოჯახს, რომელიც აერთიანებს სტერეო ღრმის კამერებს ნერვული ქსელის ამქსელატორთან, რაც საშუალებას აძლევს პროგრამისტებს კომპიუტერული ხედვის და AI მოდელებს პირდაპირ კამერზე გაშვონ ჰოსტის GPU‑ის გარეშე. Intel Movidius Myriad X VPU‑ს გარშემო აშენებული და მხარდაჭერილი DepthAI SDK‑ით, OAK მოწყობილობებს შეუძლია რეალურ დროში შეასრულონ ობიექტის აღმოჩენა, ტრეკირება, პოზის შეფასება და 3D ლოკალიზაცია. პლატფორმა ღია წყაროადია, მასზე დოკუმენტირებული აპარატურული სქემები, Python და C++ API‑ები და ROS‑თან ინტეგრაციები გააჩნია, რაც მას პოპულარულს ხდის robotics, drones, industrial inspection და research prototypes‑ისთვის. შემქმნელებს შეუძლიათ OpenVINO Model Zoo‑დან წინასწარ გაწვრთნილი მოდელების განთავსება, ან მათი საკუთარი PyTorch და TensorFlow ქსელების გარდაქმნა მოწყობილობაზე გასაშვებად. OAK-ი წარმოებულია Luxonis-მა OpenCV საზოგადოების თანამშრომლობით და შეიცავს სხვადასხვა ვარიანტებს, დაწყებული კომპაქტურ USB მოდულებიდან PoE‑enabled კამერებამდე, რომლებიც შესაფერისია ჩაშენებულ და დამოუკიდებელ განლაგებებისთვის.
კრიტერიუმების დაყოფა
- სტერეო ღრმა აღიქმა 3D ობიექტის ლოკალიზაციით
- Myriad X VPU-ით ჩადგმული ნეირონ inference
- DepthAI Python და C++ SDK-ები
- OpenVINO, PyTorch და TensorFlow მოდელების მხარდაჭერა
- USB, PoE და დამოუკიდებელი მოდული ფორმატები
- ROS და OpenCV სამუშაო ნაკადებთან ინტეგრაცია

Oxipit.ai
AI‑ით მოწოდებული კომპიუტერული ხედვა სამედიცინო იმიჯინგის სამუშაო პროცესებისთვის

Oxipit.ai არის ხელოვნური ინტელექტის დაფუძნებული კომპიუტერული ხედვის პლატფორმა სამედიცინო გამოსახულებების სამუშაო ნაკადებისთვის, განსაკუთრებით რადიოლოგიისთვის. კომპანია კლინიკურად დამოწმებული AI‑გადამუშავების გადაწყვეტებს აძლევდა, რათა გააუმჯობესოს ეფექტურობა, დაეხმაროს დიაგნოსტიკური ნაკადების გაუმჯობესებაში და პაციენტის მოვლენა გააუმჯობესოს. Oxipit სამკუთვხმიანი კომპლექტი მოიცავს: Oxipit CXR Suite მკერდის X‑რეიებისთვის, Oxipit CT Suite მკერდის CT‑სთვის და Oxipit MSK Suite ძვლ‑თონთეული გამოსახულებებისთვის. მათი ძირითადი ინოვაცია, ChestLink, თვითონ იდენტიფიცირებს ნორმალურ მკერდის X‑რეის კვლევებს 99,9 % სიზუსტით, ავტომატიზირებს შემთხვევებში 40 %‑მდე. პლატფორმის მიზანია რადიოლოგიის ნაკადების ოპტიმიზაცია, გადაჭარბებების შემცირება და ნდობიანი გადაწყვეტილებების მხარდაჭერა. Oxipit მრავალი ჯანდაცის მომწოდებელთან თანამშრომლობს და ახლახანს დაეთანხმება Sectra‑ს, რომელიც წამყვანია საწარმოს გამოსახულებებისა და ჯანდაცის IT‑ს, რათა მისი კლინიკურად დამოწმებული AI‑გადამუშავება გლობალურად მასშტაბირდეს.
კრიტერიუმების დაყოფა
- X‑რადიოგრაფიის არასტანდარტული აღმოჩენის ავტომატური სისტემა
- შემთხვევების პრიორიტეტიზაცია და ტრაიეჯი
- რადიოლოგიის ანგარიშგების დახმარება
- ხარისხის უზრუნველყოფის შემოწმებები
- PACS და DICOM სამუშაო პროცესის ინტეგრაცია
- რადიოლოგებისთვის კლინიკური გადაწყვეტილების მხარდაჭერა

OmniVision
კომპაქტური ხედვა-ენა მოდელი, რომელიც შეიქმნილია მოწყობილობაზე და edge AI‑დანერგვისთვის.

OmniVision არის მსუბუქი ვიზუ-ენბერლური მოდელი, რომელიც შექმნილია მრავალმოდალური გაგების მიწოდებისთვის რესურსების შეზღუდული მოწყობილობებისთვის. პარამეტრების რაოდენობას და მეხსიერების წნეულს მინიმუმამდე შესამცირებით, ის შეიძლება ადგილობრივად გაშვდეს edge hardware-ზე, cloud inference-ზე დამოკიდებულების გარეშე, რაც მას აადვილებს მობილური აპლიკაციებისთვის, ჩაშენებული სისტემებისთვის და privacy-sensitive workflows-თვის. მოდელი იღებს გამოსახულებების შეყვანას ტექსტური მოთხოვნების გვერდით და შეუძლია შესრულდეს ისეთი ამოცანები, როგორიცაა ვიზუალური შეკითხვებზე პასუხის გადაცემა, გამოსახულების სათაურის შექმნა და ძირითადი სცენის გაგება. მისი მცირე ზომა შემსწრაფებს, გააუმჯობესებს ეფექტურობას და უზრუნველყოფს ოფლაინ ხელმისაწვდომობას, რაც მას იდეალურად ხდის დეველოპერებისთვის, რომლებიც ქმნიან სწრაფი მრავალმოდალური ფუნქციებს შეზღუდულ გარემოში.
კრიტერიუმების დაყოფა
- ხედვა-ენა გაგება
- ოპტიმიზირებული edge და მობილური აპარატურებისთვის
- სურათის აღწერა და ვიზუალური კითხვა-პასუხი
- კომპაქტური პარამეტრების რაოდენობა
- offline inference შესაძლებლობა
- პროგრამისტებისთვის მეგობრული ინტეგრაცია


