Particle Mesh: Early Adopterはつらいよ (3) ～ 体験レポート

前回消費電流の話を先にしてしまったので、今回こそは体験レポを書いて「Early Adopterはつらいよ」にオチを付けることにする。

Particle Mesh: Early Adopterはつらいよ (2) ～ Xenon/Argonの消費電流

前回に続いては実際にParticle Meshを触ってみた体験レポを書こうと思っていたのだが、そんなものよりも需要あるかな？と思い、Particle Meshの消費電流を測ってみたのでそっちを先に書いてみる。ちなみにParticle本家のコミュニティにもポストしてみたところ早速+5 Likesをゲット。

結論から行くと、下記がXenonの消費電流を測ったグラフ(横軸ms/縦軸mA)で、通常稼働時が17～18mA、通信時が35～40mAといったところである。

測定はこんな風にINA219+Arduino Nanoを使った電流計で。ソフトウェアはここ。パワー供給はArduino Nanoの3V3出力では心もとないので、USBの5Vを自前のレギュレータを通してXenonの3V3に突っ込んでみた。

Particle Mesh: Early Adopterはつらいよ (1) ～ イントロ

Particle Meshが先月到着し一ヶ月ほど触ってみたのでレポしてみる。Mesh+WiFiを備えたArgonを3台と、Meshのみ対応のXenonを2台、数ヶ月前にプレオーダーしていたものである。

こいつが何者かはHirotakaster先輩の記事に詳しいのでそちらを参照してもらうとして、筆者個人の注目ポイントや体験について書いていくことにする。

Neural Compute Stick 2でリアルタイムオブジェクト検出 (4) ～ Raspberry Piで使う

NCS2購入当時はSDKがIntel x64にしか対応していなかったため、前回まではIntel PC上でのテストの話をしてきた。しかし最近Raspberry Pi対応のSDKがリリースされたので追加で試してみることにした。

NCS2をRPiに挿すとこんな感じになる。USBポートに直接挿すと他のポートを全部塞いでしまうので、筆者はこういうL字型アダプタを使ってみた。

結論から言うと、Intel PCの2/3程度のパフォーマンスになるがちゃんと動く。パフォーマンスが落ちるのはUSBまわりのI/Oの遅さ故だろうか。ただこれでもMobileNet SSDが20FPSで動くわけで、大したものである。

Neural Compute Stick 2でリアルタイムオブジェクト検出 (3) ～ ドローンのFPVカメラ接続

前回MobileNet SSDという高速オブジェクト検出モデルの使い方がわかったので、これにドローンのFPVカメラ画像を食わせてみよう。結論を先に言うと、こんな↓感じでリアルタイムオブジェクト検出が実現できた。

youtu.be

この動画は機材の関係でNCS2を使わずCPUで計算したもので、またプログラム的な手抜きにより本来出せるフレームレートよりも落ちているので、ちゃんとやればもっと速くなるはずである。

Neural Compute Stick 2でリアルタイムオブジェクト検出 (2) ～ インストールとサンプル実行

前回の続きでNCS2の話。今回インストールからサンプル実行のあたりまでレポ。サンプルは顔検出、YOLOv3、MobileNet SSDなど試してみたがどれも非常におもしろい！最終的にドローンで使うには特に高速なMobileNet SSDを採用。

Neural Compute Stick 2でリアルタイムオブジェクト検出 (1) ～ イントロ

USBに挿すニューラルネットワークアクセラレータの新製品 Intel® Neural Compute Stick 2 (NCS2)が先月リリースされた。勉強と人柱を兼ねて購入してみたのでレポートを書いてみる。