做網(wǎng)站和小程序的區(qū)別,梅州市做試塊網(wǎng)站,網(wǎng)站開發(fā)需求分析包括什么,專業(yè)集團門戶網(wǎng)站建設(shè)方案1. 當(dāng)AI不止于識別#xff1a;探索CANN的趣味應(yīng)用 在我們之前的文章中#xff0c;我們聊了許多關(guān)于圖像分類、目標(biāo)檢測的話題#xff0c;這些都是AI在“看懂”世界方面的應(yīng)用。但AI的魅力遠(yuǎn)不止于此。當(dāng)它與物理世界互動#xff0c;會誕生出機器人#xff1b;當(dāng)它被賦予創(chuàng)…1. 當(dāng)AI不止于識別探索CANN的趣味應(yīng)用在我們之前的文章中我們聊了許多關(guān)于圖像分類、目標(biāo)檢測的話題這些都是AI在“看懂”世界方面的應(yīng)用。但AI的魅力遠(yuǎn)不止于此。當(dāng)它與物理世界互動會誕生出機器人當(dāng)它被賦予創(chuàng)造力可以成為藝術(shù)家當(dāng)它學(xué)會理解人類的筆跡便能打破數(shù)字世界與物理書寫的隔閡。cplusplus/contrib目錄就是這樣一個充滿想象力的“創(chuàng)客空間”。這里的案例不再局限于傳統(tǒng)的視覺任務(wù)而是將CANN的能力延伸到了機器人控制、藝術(shù)生成、人機交互等多個特色領(lǐng)域。它們就像一個個開箱即用的“AI玩具”不僅好玩而且背后蘊含著深刻的技術(shù)思想。這篇文章我們將一起探索Ascbot機器人、AI_paintingAI繪畫和HandWrite手寫識別這三個明星項目看看CANN是如何為這些酷炫的應(yīng)用注入智能的靈魂。1.1.Ascbot讓機器人擁有“眼”和“腦”機器人技術(shù)的核心是“感知-決策-行動”的閉環(huán)。Ascbot案例就是這個閉環(huán)在昇騰平臺上的一個完美實現(xiàn)。它是一個可以自主巡線、識別并避開障礙物、甚至能跟隨特定目標(biāo)的智能小車。該案例位于cplusplus/contrib/Ascbot。1.1.1. 機器人的“神經(jīng)系統(tǒng)”Ascbot的代碼結(jié)構(gòu)就像一個機器人的“神經(jīng)系統(tǒng)”清晰地劃分了各個功能模塊/cplusplus/contrib/Ascbot/ ├── inc/ // 頭文件 │ ├── camera.h // 攝像頭機器人的“眼睛” │ ├── model_process.h // 模型處理機器人的“大腦” │ ├── wheel.h // 輪子控制機器人的“腿” │ ├── oled.h // OLED屏幕用于顯示狀態(tài) │ └── ... ├── src/ // 源文件 │ ├── main.cpp // 主程序中樞神經(jīng) │ ├── camera.cpp │ ├── model_process.cpp │ ├── wheel.cpp │ └── ... ├── model/ // 存放轉(zhuǎn)換好的OM模型 └── CMakeLists.txt這個結(jié)構(gòu)體現(xiàn)了典型的嵌入式系統(tǒng)和機器人應(yīng)用的設(shè)計思想硬件抽象camera.h,wheel.h,oled.h等文件將底層硬件操作封裝成簡潔的接口。上層應(yīng)用不需要關(guān)心I2C、UART等具體協(xié)議只需調(diào)用如Wheel::Forward()這樣的高級函數(shù)。AI核心model_process.h負(fù)責(zé)加載和執(zhí)行AI模型。這是機器人的“大腦”負(fù)責(zé)從“眼睛”看到的圖像中理解出“前方是道路”、“左邊有障礙物”等語義信息。主邏輯控制main.cpp是總指揮。它在一個循環(huán)中不斷地“獲取圖像 - 大腦思考 - 指揮腿腳行動”完成了“感知-決策-行動”的完整閉環(huán)。1.1.2. “感知-決策-行動”的實現(xiàn)讓我們深入main.cpp的簡化邏輯看看這個閉環(huán)是如何運轉(zhuǎn)的// 位于 src/main.cpp (簡化邏輯)intmain(){// 1. 初始化初始化攝像頭、AI模型、輪子等所有模塊Camera camera;ModelProcessmodelProcessor(./model/road_detect.om);Wheel wheel;// 2. 進入主循環(huán)while(true){// 2.1. 感知 (Perception)// 從攝像頭獲取一幀圖像ImageData imagecamera.GetFrame();// 2.2. 決策 (Decision)// 將圖像送入AI模型進行推理得到?jīng)Q策結(jié)果// 比如模型輸出一個角度告訴輪子應(yīng)該向左還是向右偏floatanglemodelProcessor.Predict(image);// 2.3. 行動 (Action)// 根據(jù)決策結(jié)果控制輪子轉(zhuǎn)動wheel.SetAngle(angle);}return0;}這段代碼雖然簡單但它精準(zhǔn)地概括了幾乎所有智能機器人的核心工作流。CANN和AscendCL在其中的ModelProcess::Predict環(huán)節(jié)扮演了關(guān)鍵角色它為機器人提供了快速、低功耗的“思考”能力讓實時決策成為可能。Ascbot案例告訴我們AI不僅僅能“看”更能基于“看”的結(jié)果去“做”。1.2.AI_painting當(dāng)代碼遇見梵高如果說Ascbot是邏輯與控制的體現(xiàn)那么AI_painting則完全是創(chuàng)造力與想象力的舞臺。這個案例讓你能像玩濾鏡一樣將一張普通的風(fēng)景照一鍵轉(zhuǎn)換成梵高、莫奈等大師風(fēng)格的藝術(shù)畫作。該案例位于cplusplus/contrib/AI_painting。1.2.1. 風(fēng)格遷移的魔法這個案例的核心技術(shù)是“神經(jīng)網(wǎng)絡(luò)風(fēng)格遷移”Neural Style Transfer。它的原理可以通俗地理解為內(nèi)容提取AI模型通常是卷積神經(jīng)網(wǎng)絡(luò)如VGG能從一張圖片中提取出“內(nèi)容特征”比如房子的輪廓、樹的形狀。風(fēng)格提取同時模型也能從另一張畫作如梵高的《星空》中提取出“風(fēng)格特征”比如筆觸、色彩搭配。特征融合算法的目標(biāo)是生成一張新的圖片它既保留了原始圖片的內(nèi)容又擁有了風(fēng)格畫作的風(fēng)格。AI_painting案例將這個復(fù)雜的過程封裝成了一個易于使用的應(yīng)用。1.2.2. 前后端分離的Web應(yīng)用與Ascbot不同AI_painting是一個典型的Web應(yīng)用采用了前后端分離的架構(gòu)。前端 (presenterserver/ui/): 使用HTML, CSS, JavaScript構(gòu)建了一個漂亮的網(wǎng)頁。用戶可以在網(wǎng)頁上上傳自己的照片選擇想要的藝術(shù)風(fēng)格。后端 (src/,presenterserver/中的Python部分):Web服務(wù)器如display_server.py接收前端發(fā)來的請求圖片和風(fēng)格選項。它將請求轉(zhuǎn)發(fā)給C編寫的核心推理程序。C程序調(diào)用AscendCL加載并執(zhí)行風(fēng)格遷移的.om模型生成藝術(shù)圖片。最后將生成的結(jié)果返回給前端網(wǎng)頁進行展示。這種架構(gòu)在AI應(yīng)用中非常普遍它讓專業(yè)的AI算法工程師可以專注于C后端的高性能實現(xiàn)而前端開發(fā)者則可以專注于用戶體驗的打磨。在這個案例中CANN的價值在于加速了風(fēng)格遷移這個計算密集型任務(wù)。實時的風(fēng)格轉(zhuǎn)換對計算量要求很高如果用CPU處理可能需要幾十秒甚至幾分鐘才能生成一張圖片這對于一個交互式應(yīng)用是不可接受的。而利用昇騰硬件的強大算力可以將這個過程縮短到幾秒甚至毫秒級。1.3.HandWrite讓機器讀懂你的筆鋒手寫識別是人機交互領(lǐng)域的一個經(jīng)典問題。HandWrite案例就為我們展示了如何利用CANN實現(xiàn)一個能識別攝像頭拍攝的手寫文字的應(yīng)用。該案例位于cplusplus/contrib/HandWrite。1.3.1. 從像素到文字的旅程手寫識別通常包含兩個主要步驟文本檢測首先需要從輸入的圖片中找到哪里有文字。這一步通常使用一個目標(biāo)檢測模型如EAST, DBNet來框出文本區(qū)域。文本識別然后對每一個框出的文本區(qū)域使用另一個識別模型如CRNN來將其轉(zhuǎn)換成真正的字符。HandWrite案例將這兩個模型串聯(lián)起來構(gòu)成了一個完整的識別流水線Pipeline。1.3.2. 模型串聯(lián)與Presenter ServerHandWrite的實現(xiàn)與AI_painting有相似之處它也使用了Presenter Server來進行結(jié)果的可視化展示。但它的核心邏輯在于模型的串聯(lián)。// 簡化邏輯// 1. 加載檢測模型和識別模型ModelProcesstextDetector(./model/text_detection.om);ModelProcesstextRecognizer(./model/text_recognition.om);// 2. 獲取圖像ImageData imagecamera.GetFrame();// 3. 第一階段文本檢測// detectorResult 是一個包含了多個文本框坐標(biāo)的列表autodetectorResulttextDetector.Predict(image);// 4. 第二階段文本識別std::vectorstd::stringfinalResults;for(autobox:detectorResult.boxes){// 4.1. 從原圖中裁剪出文本框區(qū)域ImageData croppedImageCropImage(image,box);// 4.2. 對裁剪出的圖像進行識別std::string texttextRecognizer.Predict(croppedImage);finalResults.push_back(text);}// 5. 將結(jié)果發(fā)送到Presenter Server進行展示PresenterChannel::SendResult(finalResults);這個流程清晰地展示了如何將多個AI模型組合起來解決一個更復(fù)雜的任務(wù)。CANN在這里的作用是確保這個流水線中的每一步特別是模型推理都能高效運行從而實現(xiàn)實時的識別效果。2. 總結(jié)AI的樂趣在于創(chuàng)造Ascbot,AI_painting,HandWrite……這些有趣的案例向我們證明AI技術(shù)遠(yuǎn)非高冷和遙不可及。借助CANN這樣強大的開發(fā)平臺每一個開發(fā)者都有機會成為“創(chuàng)客”將自己的奇思妙想變?yōu)楝F(xiàn)實。這些案例的共同點在于始于一個有趣的想法無論是讓小車跑起來還是讓照片變成畫一個好的創(chuàng)意是項目的起點。AI是核心驅(qū)動力AI模型在其中扮演了“大腦”的角色負(fù)責(zé)最核心的智能決策。工程實現(xiàn)是骨架良好的軟件架構(gòu)、模塊劃分和硬件封裝是讓創(chuàng)意落地的保障?，F(xiàn)在你還在等什么呢去cplusplus/contrib目錄里找到你最感興趣的那個項目親手把它跑起來修改它甚至創(chuàng)造一個屬于你自己的全新應(yīng)用。畢竟學(xué)習(xí)AI最大的樂趣就在于創(chuàng)造的過程本身。