「Jetson Xavier NX」で組み込みAIを試す：Jetson Nanoで組み込みAIを試す（特別編）（4/4 ページ）

[大原雄介，MONOist]

にゃんこの認識処理も超速に

　さらに、Jetson Nano連載の第4回記事と同様に、まめっち先生（編注：筆者の大原氏の愛猫）をモデルとして「Live Camera Recognition Demo」も実施してみた。USBカメラは、Jetson Xavier NXでもJetson Nanoと同じく/dev/video0で認識されるので、同じようにデフォルトの解像度（1280×720ピクセル）で実施してみた結果がこちらだ（動画1）。

動画1　「Jetson Xavier NX」による「Live Camera Recognition Demo」の結果（1）（クリックで再生）

　やや暗いのと、対象物が激しく動くので認識はかなりでたらめだが、認識のフレームレートは120fps弱とかなり良好である。もう少し明るいところで、ご飯を食べる茶白（編注：こちらも同じく筆者の大原氏の愛猫）の後ろ姿（動画2）を撮影すると、認識はやはりでたらめだが（猿だのハムスターだのコーギーウェルシュだのと誤認識される）、フレームレートは150fpsほどに達しており、カメラをフルHDにしても十分なほどの認識処理の速度が出ていることが分かる。

動画2　「Jetson Xavier NX」による「Live Camera Recognition Demo」の結果（2）（クリックで再生）

　今回は、Tensorコアの利用はちょっと見送り、あくまでCPU＋CUDAコアの範囲で簡単に性能比較をさせていただいたが、ごらんの通り大幅に高速化されている。

　重要なのは、ここまでの記事内容で利用したプログラムについて、Jetson Nanoの連載記事で使用したものから一切変更していないことだ。もちろん、カーネルその他は入れ替えだから再コンパイルは必要である。しかし、アプリケーションそのものはJetson Nanoで利用したものそのままで大幅に高速化できているというわけだ。

　もちろんTensorコアを利用すればさらに高い性能を期待できそうだが、取りあえず既存のJetson Nanoのアプリケーションがそのまま高速に動くというだけでもJetson Xavier NXのメリットは大きい。

　逆にTensorコアの利用には、フレームワークの置き換えも必要になりそうだ。筆者の知る範囲ではdarknetが既にTensorコアの利用に対応している。このあたりを使ってアプリケーションを作り直せば、さらに高い性能が得られそうである。

　そんなわけで、Jetson Nanoを利用してエンドポイントAIやエッジAIにチャレンジしている方は、Jetson Xavier NXへのアップグレードを検討してみてはいかがだろうか。