Le concours Intel DevCup x OpenVINO Toolkit, lancé à Taïwan en septembre dernier, s'est déroulé pendant plus de quatre mois. 9 équipes ont été sélectionnées parmi les 4 propositions enregistrées pour participer à la phase finale. Les lauréats ont été annoncés aujourd'hui (258 janvier) après le jugement final. Le système « X80 Imaging Osteoporosis Artificial Intelligence-Assisted Screening System » de l'équipe « Bori Medical » a remporté le championnat du groupe de mise en œuvre, tandis que le « Smart Guide Car Providing Environmental Recognition and Obstacle Avoidance Guidance » de l'équipe « You Are My Eyes » a remporté le championnat du groupe de concept.
Le concours Intel DevCup x OpenVINO Toolkit est organisé par le Bureau du développement industriel du ministère de l'Économie et soutenu par Intel, l'organisateur. Il réunit 40 partenaires de l'écosystème de l'IA issus de l'industrie, du gouvernement et du monde universitaire taïwanais. Au total, 106 équipes se sont inscrites pour le « Groupe de mise en œuvre », destiné aux utilisateurs avancés, et 152 équipes pour le « Groupe de conception », destiné aux débutants. Une phase préliminaire a permis de sélectionner 20 équipes du « Groupe de mise en œuvre » et 60 équipes du « Groupe de conception » pour accéder à la finale.
Les équipes participantes ont utilisé le processeur IntelRessources de l'API OpenVINO, grâce à des outils de développement d'inférence d'intelligence artificielle multiplateformes pour réaliser des travaux créatifs ou résoudre divers problèmes, couvrant les soins médicaux, la fabrication, les transports intelligents, la sécurité et les villes intelligentes, la vente au détail et d'autres domaines.
Les 20 équipes sélectionnées pour le groupe de mise en œuvre proviennent de startups en IA, de fournisseurs de services de développement de logiciels et de systèmes, de studios d'expertise et d'instituts de recherche. Si les 60 équipes sélectionnées pour le groupe de conception sont novices en IA, nombre d'entre elles exploitent la plateforme cloud Intel DevCloud avec des modèles pré-entraînés pour mettre en œuvre rapidement des applications créatives.
Les équipes gagnantes sont les suivantes :
• Champion du groupe de mise en œuvre « Barry Doctor » :
L'étiquetage et l'apprentissage peuvent être réalisés à l'aide d'appareils de radiographie standard et d'images médicales de la hanche, conformément aux recommandations de l'OMS pour le dépistage de l'ostéoporose. Grâce à un algorithme d'apprentissage itératif d'IA breveté, à faible volume de données et de haute précision, l'efficacité de l'apprentissage peut être multipliée par 16. De plus, l'environnement d'exécution ONNX pour OpenVINO peut être accéléré sous Windows 10, avec une efficacité mesurée multipliée par 3 et un niveau de confiance moyen de segmentation supérieur à 97 %.
Une comparaison plus poussée avec l'analyse du risque d'ostéoporose de la hanche détectée par l'instrument DXA et le rapport de test d'analyse du score T (une valeur numérique comparée à la densité osseuse des jeunes en bonne santé) a montré que le modèle d'IA avait une ASC de 96.4 %, une sensibilité de 97.2 %, une spécificité de 95.6 %, une valeur prédictive positive de 95.7 % et une valeur prédictive négative de 97.1 %.
• Deuxième place du groupe de mise en œuvre « 7STARLAKE » :
Un modèle propriétaire à trois couches (détection de véhicules, reconnaissance de l'emplacement des plaques d'immatriculation et reconnaissance des plaques d'immatriculation) a été développé avec Pytorch, et OpenVINO a été utilisé pour déployer Pytorch sur ONNX et ONNX sur IR. Les performances d'inférence sur un processeur Core i7-1185GRE ont atteint 21.13 images par seconde, permettant à la vision par ordinateur IA de détecter instantanément l'état de la route et d'analyser les données de trafic (par exemple, pour détecter le stationnement illégal et les infractions aux feux rouges).
• Troisième place du groupe de mise en œuvre : MARK II
L'équipe, composée d'ingénieurs issus d'usines d'optoélectronique, s'est concentrée sur la collecte de données (imagerie IoT), l'application de l'IA et le déploiement rapide, en adoptant une approche utilisateur. Elle a déployé un système d'inspection automatisée continue des machines sur des périphériques équipés de processeurs Core i5-1145G7E. Grâce à OpenVINO, elle a mis en place un système de surveillance un-à-plusieurs, réduisant ainsi efficacement les investissements matériels et les obstacles à la transformation intelligente.
• Champion de la catégorie Concept « You Are My Eyes » :
Les voitures de guidage intelligentes aident les personnes malvoyantes à se déplacer facilement, même lorsqu'elles sont seules ou incapables d'utiliser des appareils d'assistance. Elles utilisent OpenVINO pour accélérer l'inférence des modèles de reconnaissance d'objets, obtenant ainsi des performances acceptables pour les véhicules autonomes aux performances matérielles limitées.
Par rapport à l'implémentation précédente sans OpenVINO, les performances de calcul du processeur ont été multipliées par plus de 3.11 (700 FPS). Grâce au processeur Intel Movidius Myriad compact et performant, les performances ont été multipliées par plus de 21.79, atteignant une vitesse de reconnaissance applicable de XNUMX FPS.
• Finaliste du groupe Concept : Junma AI Medical
L'apprentissage fédéré a été utilisé pour réaliser des études d'association pangénomique (GWAS). S'appuyant sur les capacités d'inférence collaborative distribuée hétérogène d'OpenVINO, l'équipe a réalisé un modèle de reconnaissance vocale d'interface utilisateur sur un processeur et a entraîné un modèle d'électrocardiogramme (ECG) et un modèle d'hémoglobine sur deux cartes Intel Neural Compute Stick 2.
En coopérant avec le modèle de classification par réduction de dimensionnalité GWAS formé sur le KL520, le raisonnement collaboratif peut être réalisé sur un seul ordinateur.
• Groupe Concept 3e finaliste : Taiwan Science and Technology Corporation
Combinant la technologie de fusion d'images doubles et la technologie de reconnaissance d'objets inconnus des laboratoires de l'Institut d'électronique et de l'Institut d'informatique et d'ingénierie de l'Université nationale des sciences et technologies de Taiwan, OpenVINO et l'Intel Neural Compute Stick 2 accélèrent le système d'alerte de barrage routier inconnu par tous les temps. Ce système atteint une précision et des taux de reconnaissance élevés, même en vision nocturne floue, et identifie même les objets inconnus avec une vitesse d'inférence de 70 images par seconde, répondant ainsi aux exigences de base de la future conduite autonome L5.
