環境CV技術の新世代IoTシステムへの応用

現在、コンピューター ビジョン (CV) テクノロジーは変曲点にあり、主要なトレンドは特定の用途に最適化された小型のエッジ AI デバイスにクラウド テクノロジーを遍在させる方向に収束しており、これらのデバイスは通常バッテリーで動作します。電源が入った。

テクノロジーの進歩により、これらのデバイスがサイズ、電力、メモリなどの制約のある環境で複雑な機能をネイティブに実行できるようにする特定の課題が解決されました。このクラウド中心の AI テクノロジーはエッジにも拡張されており、新しい開発によりエッジでの AI ビジョンがユビキタスになります

テクノロジーを理解する

CV テクノロジーは実際にエッジにあり、次のレベルのヒューマン マシン インターフェイス (HMI)。

コンテキスト認識デバイスは、ユーザーだけでなくユーザーがいる環境も感知できるため、より適切な意思決定を行い、より有用な自動対話を実現できます。

たとえば、スマートフォンはユーザーの注意を視覚的に感知し、それに応じてその動作と電力戦略を調整できます。これは、電力の節約 (ユーザーが検出されない場合にデバイスの電源をオフにする)、セキュリティの向上 (権限のないユーザーや望ましくない「潜伏者」の検出) に役立ち、よりスムーズなユーザー エクスペリエンスを提供します。実際、傍観者の視線を追跡する (傍観者検出) ことにより、この技術はさらにユーザーに警告し、ユーザーが遮られなくなるまで画面のコンテンツを隠すことができます。

別の例: スマート TV は、誰かが見ているかどうか、どこで見ているかを感知できます。から視聴し、それに応じて画質と音声を調整します。人がいないときは自動的にシャットダウンして電力を節約できます。空調システムは、部屋の占有状況に基づいて電力と空気の流れを最適化し、エネルギーコストを節約します。

ホーム オフィスやハイブリッド ワーキング モデルの出現により、建物やその他の場所でのスマート エネルギー利用の事例が経済的により重要になっています

このテクノロジーの応用はテレビやパーソナル コンピューターに限定されません。製造業などの産業分野で重要な役割を果たしています。たとえば、安全監視の観点からは、物体の検出、予知保全、立ち入り禁止区域、安全な通路、保護装置の施行などの製造プロセス制御に使用できます。農業も、作物検査や品質監視など、ビジョンベースの状況認識テクノロジーの恩恵を受けることができる分野です。

コンピューター ビジョンのアプリケーション

ディープ ラーニングの進歩により、多くの驚くべきことが可能になりました。コンピュータビジョンで。多くの人は、日常生活でコンピューター ビジョン テクノロジーをどのように使用しているかさえ知りません。例:

• 画像分類とオブジェクト検出: オブジェクト検出では、分類と位置特定を組み合わせて、画像またはビデオ内のオブジェクトを識別し、画像内での位置を特定します。さまざまなオブジェクトに分類を適用し、境界ボックスを使用します。 CV は携帯電話を通じて機能し、画像やビデオ内のオブジェクトを識別するために使用できます。

銀行業界: CV は、顧客エクスペリエンスを向上させ、セキュリティを強化し、業務効率を向上させるために、不正行為の防止、本人確認、データ抽出などの分野で広く使用されています

小売業界:コンピューター ビジョン システムはこのデータの処理に使用され、セルフ チェックアウトなど実際の産業のデジタル変革をよりアクセスしやすくします。

自動運転車: コンピューター ビジョンは、物体 (道路標識や標識など) の検出と分類に使用されます。信号機など）や 3D マップの作成、または動き推定で重要な役割を果たし、自動運転車の実現を実現

Edge CV

機械学習に基づく視覚処理には明らかな傾向がありますエッジフィールドで。ハードウェアのコストは低下し続け、コンピューティング能力は大幅に向上し、新しい方法では小規模モデルのトレーニングとデプロイに必要な電力とメモリが少なくなります。これらの要因により、エッジ AI テクノロジーの導入に対する障壁は低くなり、その使用が容易になりましたが、マイクロ AI の普及がますます進んでいるにもかかわらず、やるべきことはまだあります。アンビエント コンピューティングを実現するには、多くの市場セグメントでロングテールのユースケースに対応する必要があり、これによりスケーラビリティの課題が生じる可能性があります。

消費者製品、工場、農業、小売その他の分野では、新しいタスクごとに異なるアルゴリズムとトレーニング用の固有のデータセットが必要です。ソリューション プロバイダーは、特定のユースケースのニーズを満たす最適化された ML 対応システムを作成するための、より多くの開発ツールとリソースを提供します。

TinyML

TinyML は、エッジにおけるあらゆるタイプの人工知能を実現する重要な要素です。これは、コンパクトなモデル アーキテクチャと最適化されたアルゴリズムを活用して、軽量でエネルギー効率の高い ML モデルをエッジ デバイス上で直接開発するアプローチです。

TinyML を使用すると、AI 処理をデバイス上でローカルに実行できるようになり、クラウドへの常時接続の必要性が軽減されます。 TinyML の実装は、消費電力の削減に加えて、遅延を削減し、プライバシーとセキュリティを強化し、帯域幅要件を削減します。

さらに、これにより、クラウド インフラストラクチャに過度に依存することなくエッジ デバイスがリアルタイムの意思決定を行えるようになり、スマート デバイス、ウェアラブル機器、産業オートメーションなどのさまざまなアプリケーションで AI がより利用しやすく実用的になります。これは、機能のギャップに対処するのに役立ち、AI 企業がモデル例の豊富なセット (「モデル ズー」) とアプリケーション リファレンス コードを開発することで、NPU 製品周辺のソフトウェアをアップグレードできるようになります。

このようにして、ターゲット ハードウェアに適切なアルゴリズムを最適化して、決められたコスト、サイズ、消費電力の制約内で特定のビジネス ニーズを解決できるため、設計を確実に成功させながら、より広範囲のロングテール アプリケーションをサポートできます。

以上が環境CV技術の新世代IoTシステムへの応用の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。