Deixo neste post o link de como utilizar o SDK oficial da Intel Realsense, esta camera 3d  é a mais alta tecnologia da Intel no que tange hardware e software para computação de percepção, o que torna possível recursos presente no filme Minority Report em nossos computadores. Resumidamente, este produto permite que o usuário interaja com seus dispositivos de forma que visualizamos em filmes. As possibilidades são diversas utilizando os seus recursos podemos desenvolver aplicativos de reconhecimento facial 2D/3D, detectar gestos e até criar aplicativos de reconhecimento de voz.

Para maiores informações, assistam o video abaixo e clique AQUI!

real

banner

O openCertiface baseado na nuvem Microsoft Azure, é a versão de código aberto do serviço de biometria facial em nuvem CERTIFACE. Esta iniciativa foi somente possível graças á visão diferenciada do Grupo Honda (sócios e investidores da empresa OITI TECHNOLOGIES). Pois além de apoiar todo trabalho, carregam o espírito colaborativo, com isto trazendo para a empresa o objetivo de utilizar a tecnologia a serviço da sociedade. Sendo assim, agradeço em nome de toda comunidade de software livre por permitir esta contribuição criada para proteger as pessoas do bem.

Nesta edição da Campus Party 2016 no palco Inovação (Desenvolvimento) dia 29 de janeiro as 17h30,  estarei lançando o projeto, com um palestra onde mencionarei como implementar o projeto a partir do código fonte, além de exemplos em C, PHP, Java e Bash.

Ja disponibilizei o projeto no GIT https://github.com/cabelo/opencertiface para os interessados. Este projeto será muito útil na festa de assinaturas de chaves, onde uma pessoa não conseguira trocar chaves criptográficas com documentos fraudados.

A todos os membros da comunidade de código aberto que levam a sério o ESPÍRITO HACKER e utilizam essa força para o bem, aos que defendem a “LIBERDADE DA INFORMAÇÃO”, aos que me incentivaram desde 1998 em meus primeiros contatos com o Software Livre, aos que se sacrificam para divulgar informações, aos que amam os seus idealismos acima do capitalismo e que lutam para fazerem um mundo melhor sem prejudicar terceiros. A todos que defendem estes ideais, um MUITO OBRIGADO !

Brincadeiras a parte, mas tomar café  ficou mais divertido com a Ripple Maker , pois torna-se mais prazeroso tomar a bebida quando chega-se a mesa com desenho. Graças à técnica que usa estêncil, pó e leite vaporizado.

O equipamento, disponível no Estados Unidos,  efetua até mil impressões por carga de cápsulas de café em pó. A base de imagens é acessada por rede sem fio em conjunto  um aplicativo gratuito para configurar as imagens. O preço deste brinquedo fica em torno de  US$ 999, ou um serviço mensal de US$ 85. Um dia terei uma, este equipamento é muito util em eventos onde os cafés poderiam ser servido com o logo da empresa.

 

certiface.2016..png

Agradeço a todos os colaboradores diretos e indiretos deste blog, e sucesso para todos em 2016!

Uma tarefa que demanda precisão computacional é o rastreamento deformável da face. Pois  durante o object tracking (após a localização da face), muito facilmente a rastreabilidade se perde em função de diversas anomalias matemáticas. Então o laboratório do Certiface vem dedicando esforço para obter o maior desempenho neste assunto. Vem o resultado do trabalho:


rodape

Recebi o email de aprovação da NVIDIA para utilização dos recursos Deep Learning acelerado por GPU que dobrará a performance dos treinamentos de redes neurais.

“Your application for the program CUDA Registered Developer Program is approved.
Congratulations, you are now a member of the CUDA/GPU Computing Developer Program.
Should you have any questions or issues with you membership please don’t hesitate to contact us.

Best regards,
NVIDIA Developer Relations”

Treinar amostragens maiores e mais sofisticadas com mais rapidez somente é possível com aceleração por GPU de rotinas matemáticas para redes neurais profundas.

O resultado é acelerações significativas de performance para o treinamento de redes neurais em uma única GPU NVIDIA GeForce® GTX™ TITAN X.²

Agora vamos para a nova fase do game, Deep Learning na GPU para o Certiface!

A seguir os primeiro testes…

# optirun ./mnistCUDNN
cudnnGetVersion() : 3007 , CUDNN_VERSION from cudnn.h : 3007 (3.0.07)
Host compiler version : GCC 4.8.5
There are 1 CUDA capable devices on your machine :
device 0 : sms 5 Capabilities 5.0, SmClock 1019.5 Mhz, MemSize (Mb) 2047, MemClock 2505.0 Mhz, Ecc=0, boardGroupID=0
Using device 0
Testing single precision
Loading image data/one_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm ...
Fastest algorithm is Algo 1
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.049184 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.051776 time requiring 3464 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.059488 time requiring 57600 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.188672 time requiring 207360 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000000 0.9999399 0.0000000 0.0000000 0.0000561 0.0000000 0.0000012 0.0000017 0.0000010 0.0000000 
Loading image data/three_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000000 0.0000000 0.9999288 0.0000000 0.0000711 0.0000000 0.0000000 0.0000000 0.0000000 
Loading image data/five_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 0.9999820 0.0000154 0.0000000 0.0000012 0.0000006
Result of classification: 1 3 5
Test passed!
Testing half precision (math in single precision)
Loading image data/one_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm ...
Fastest algorithm is Algo 1
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.032640 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.035456 time requiring 3464 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.051904 time requiring 28800 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.200064 time requiring 207360 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000001 1.0000000 0.0000001 0.0000000 0.0000563 0.0000001 0.0000012 0.0000017 0.0000010 0.0000001 
Loading image data/three_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000 
Loading image data/five_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006
Result of classification: 1 3 5
Test passed!

 

rodape

ICAO2Kits de captura de imagens para obter imagens que atendam o padrão ICAO ou ISO 19794-5 estão com os dias contados, Pois o Certiface 3D permite tempo real informar a não conformidade, da ISO utilizada em biometria facial. cujo principal objetivo é medir que a imagem é passível de processamento biométrico ou não.

Utilizando a tecnologia 3D da Intel, Certiface 3D capture e processa a nuvem tridimensional e processa em tempo real os requisitos e remove o fundo, assim atendendo um dos requisitos mínimos da ISO 19794-5 (fundo uniforme). O algoritmo foi inteiramente desenvolvido pelo laboratório da empresa. Em breve disponível no Mercado.

Por enquanto disponibilizo um vídeo demonstrativo.

Neste post, deixo as instruções de como instalar o pacote CUDA Toolkit na plataforma openSUSE Leap 42.2

  1. Efetue o download no link: https://developer.nvidia.com/cuda-downloads ;
  2. Escolha a arquitetura;
  3. Escolha o sistema operacional Linux;
  4. A versão de seu Linux;
  5. O tipo do instalador;
  6. E finalmente efetue o download do pacote cuda_7.5.18_linux.run

Partindo do principio que o driver já esta instalado e configurado, a seguir execute o arquivo, com as seguintes resposta baseado no exemplo abaixo:

# ./cuda_7.5.18_linux.run 
Logging to /tmp/cuda_install_2681.log
Using less to view the EULA.
Do you accept the previously read EULA? (accept/decline/quit): accept
You are attempting to install on an unsupported configuration. Do you wish to continue? ((y)es/(n)o) [ default is no ]: yes
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): no
Install the CUDA 7.5 Toolkit? ((y)es/(n)o/(q)uit): yes
Enter Toolkit Location [ default is /usr/local/cuda-7.5 ]: 
Do you want to install a symbolic link at /usr/local/cuda? ((y)es/(n)o/(q)uit): yes
Install the CUDA 7.5 Samples? ((y)es/(n)o/(q)uit): yes
Enter CUDA Samples Location [ default is /root ]: /root/cuda
Installing the CUDA Toolkit in /usr/local/cuda-7.5 ...

Installing the CUDA Samples in /dados/programas/cuda ...
Copying samples to /dados/programas/cuda/NVIDIA_CUDA-7.5_Samples now...
Finished copying samples.

===========
= Summary =
===========

Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-7.5
Samples: Installed in /dados/programas/cuda, but missing recommended libraries

Please make sure that
 - PATH includes /usr/local/cuda-7.5/bin
 - LD_LIBRARY_PATH includes /usr/local/cuda-7.5/lib64, or, add /usr/local/cuda-7.5/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-7.5/bin
To uninstall the NVIDIA Driver, run nvidia-uninstall

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-7.5/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 352.00 is required for CUDA 7.5 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
 sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_2681.log

Agora se tudo estiver funcionando corretamente, execute:

# cd /root/NVIDIA_CUDA-7.5_Samples/1_Utilities/deviceQuery
# optirun ./deviceQueryv 
*** (remova o optrun se não possuir 2 placa de vídeos)

./deviceQuery Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 860M"
 CUDA Driver Version / Runtime Version 7.5 / 7.5
 CUDA Capability Major/Minor version number: 5.0
 Total amount of global memory: 2048 MBytes (2147352576 bytes)
 ( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores
 GPU Max Clock rate: 1020 MHz (1.02 GHz)
 Memory Clock rate: 2505 Mhz
 Memory Bus Width: 128-bit
 L2 Cache Size: 2097152 bytes
 Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
 Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
 Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
 Total amount of constant memory: 65536 bytes
 Total amount of shared memory per block: 49152 bytes
 Total number of registers available per block: 65536
 Warp size: 32
 Maximum number of threads per multiprocessor: 2048
 Maximum number of threads per block: 1024
 Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
 Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
 Maximum memory pitch: 2147483647 bytes
 Texture alignment: 512 bytes
 Concurrent copy and kernel execution: Yes with 1 copy engine(s)
 Run time limit on kernels: Yes
 Integrated GPU sharing Host Memory: No
 Support host page-locked memory mapping: Yes
 Alignment requirement for Surfaces: Yes
 Device has ECC support: Disabled
 Device supports Unified Addressing (UVA): Yes
 Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
 Compute Mode:
 < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 860M
Result = PASS

Pronto, veja um exemplo de processamento gráfico em tempo real…

Em março de 2010, escrevi uma artigo para a revista Linux Magazine, onde mencionei sobre o potencial computacional das GPU junto ao mercado de visão computacional. Após cinco anos, com o aumento exponencial do poder computacional, vejo que o uso destes recursos em Redes Neurais Artificiais são praticamente inevitáveis. Então para começar deixo neste post, a instalação do gdk (GPU Deployment Kit) na plataforma openSUSE.

Instruções:

  1. Efetue o download no link: https://developer.nvidia.com/cuda-downloads ;
  2. Escolha a arquitetura;
  3. Escolha o sistema operacional Linux;
  4. A versão de seu Linux;
  5. O tipo do instalador;
  6. E finalmente efetue o download.

GDK

A seguir execute o arquivo como super-usuario.

# ./cuda_352_39_gdk_linux.run 
Logging to /tmp/gdk_install_2933.log 
Welcome to the GPU Deployment Installer. 
Enter installation directory [ default is / ]:  
Installation complete!
Installation directory: /

Ao termino, para testar, entre na pasta examples e compile o mesmo. E PRONTO!

# make
cc -I ../include -I /usr/include/nvidia/gdk/ -c -o example.o example.c
cc example.o -lnvidia-ml -L ../lib/ -o examplE

# optirun ./example 
Found 1 device

Listing devices:
0. GeForce GTX 860M [0000:01:00.0]
 Changing device's compute mode from 'Default' to 'Prohibited'
 Restoring device's compute mode back to 'Default'
All done.
Press ENTER to continue...

certiface.lab.rodape

Neste post, veremos como executar recurso 1-click-install do openSUSE na linha de comando. Como exemplo utilizei o link para o pacote multimidia do openSUSE:

OCICLI http://opensuse-community.org/codecs-gnome.ymp
If you continue, the following repositories will be subscribed:
 * http://ftp.gwdg.de/pub/linux/packman/suse/openSUSE_13.2
 * http://opensuse-guide.org/repo/13.2/
If you continue, the following software packages will be installed:
 * dvdauthor07
 * ffmpeg
 * flash-player
 * gstreamer-plugins-bad
 * gstreamer-plugins-bad-orig-addon
 * gstreamer-plugins-base
 * gstreamer-plugins-good
 * gstreamer-plugins-good-extra
 * gstreamer-plugins-libav
 * gstreamer-plugins-ugly
 * gstreamer-plugins-ugly-orig-addon
 * libdvdcss2
Continue? y/N

opensuseCAB

Arquivo

Statísticas

  • 489,529 Acessos

ATENÇÃO!

 °v° USE A FORÇA,
/(_)\ LEIA OS FONTES !
 ^ ^

openSUSE 11.4

Seguir

Obtenha todo post novo entregue na sua caixa de entrada.

Junte-se a 4.097 outros seguidores