Problema: ottenere un modello di rete neurale di apprendimento profondo per identificare gli oggetti nelle foto.

Contesto: La classificazione (riconoscimento) delle immagini è una delle principali capacità delle reti neurali profonde. Inception-v3 è uno dei modelli di rete neurale convoluzionale più diffusi per il riconoscimento di oggetti nelle immagini. Il riconoscimento delle immagini basato sul deep learning viene utilizzato dai medici per identificare i tessuti cancerosi nelle immagini mediche, dalle auto a guida autonoma per individuare i pericoli della strada e da Facebook per aiutare gli utenti a taggare le foto.

Tipo di modello: Modello di reti neurali convoluzionali profonde (Inception-v3)

Cosa abbiamo fatto: Abbiamo distribuito un modello Inception-v3 utilizzando una SnapLogic Ultra Pipeline, una pipeline di dati potente e a bassa latenza. (Il modello è stato addestrato su un dataset ImageNet contenente 1.000 tipi di oggetti. SnapLogic offre una scala orizzontale e verticale ai modelli di deep learning e supporta l'accelerazione GPU.

In questa demo, scattate una foto di un oggetto (ad esempio, una tazza di caffè, una candela, un maglione, ecc.) utilizzando la vostra webcam (non memorizziamo le vostre immagini da questa demo). La foto verrà poi inviata alla SnapLogic Ultra Pipeline, dove il modello di deep learning analizzerà l'immagine. Il modello produrrà quindi un output in cui vi dirà quale oggetto percepisce nell'immagine e quanto è sicuro della sua interpretazione. Questo processo richiede alcuni secondi, ma se necessario può essere accelerato con le GPU.