VNPT utilizó NVIDIA Metropolis para procesar y analizar múltiples transmisiones de video provenientes de cámaras ubicadas estratégicamente alrededor de algunas de las intersecciones con mayor tráfico en las principales ciudades. Utilizando contenedores incluidos con NVIDIA AI Enterprise, los modelos de IA se entrenaron con modelos, frameworks y TensorRT previamente entrenados por NVIDIA y se integraron con DeepStream para detectar, reconocer y clasificar objetos como automóviles, motocicletas, bicicletas y peatones. Las aplicaciones de análisis de vídeo se implementan en el edge con NVIDIA Jetson™ o en las instalaciones con GPU T4 y A30.
Las cámaras en el edge, combinadas con Jetson y modelos previamente entrenados, se programaron para comprender e interpretar las señales de tráfico, rastrear los movimientos de objetos identificados y predecir incidentes potenciales basándose en patrones observados. También se procesan múltiples transmisiones de video simultáneas en los servidores backend, lo que ahorra costos operativos y de computación.
Dado que era la primera vez que utilizaban el SDK de DeepStream, VNPT inicialmente tuvo algunos desafíos y experimentó problemas de rendimiento. Con las licencias de NVIDIA AI Enterprise, pudieron solicitar ayuda al soporte empresarial de NVIDIA. VNPT resolvió sus problemas de rendimiento, configuró un sistema de entrenamiento de IA eficaz y optimizó el rendimiento de sus servicios de IA con la ayuda de los expertos en IA de NVIDIA.
“NVIDIA AI Enterprise, incluida NVIDIA DeepStream, ha sido fundamental para lograr nuestros objetivos. Con él, hemos demostrado cómo se puede aprovechar eficazmente la IA para abordar problemas del mundo real y mejorar la calidad de vida en nuestras ciudades”, afirmó Nguyen Tien Cuong, director ejecutivo de VNPT AI.
"VNPT recibió un excelente soporte de los expertos de NVIDIA para configurar y optimizar los modelos de IA, resolver problemas y mejorar el rendimiento de la infraestructura de manera óptima", explicó Cao Thanh Ha, CTO de VNPT AI.