차세대 IoT 시스템에 환경 CV 기술 적용

오늘날 컴퓨터 비전(CV) 기술은 특정 용도에 최적화되고 배터리로 구동되는 소형 엣지 AI 장치에 클라우드 기술을 유비쿼터스화하는 주요 추세가 수렴되면서 변곡점에 있습니다.

기술의 발전은 이러한 장치가 크기, 전력, 메모리 등 제한된 환경에서 복잡한 기능을 기본적으로 수행할 수 있도록 하는 특정 문제를 해결합니다. 이 클라우드 중심 AI 기술은 엣지까지 확장되고 있으며, 새로운 개발로 엣지에서의 AI 비전이 유비쿼터스화될 것입니다.

기술 이해하기

CV 기술은 실제로 엣지에 있으며 인간-기계 인터페이스(HMI)를 다음 단계로 구현하고 있습니다.

상황 인식 장치는 사용자뿐만 아니라 사용자가 위치한 환경도 감지하여 더 나은 결정을 내리고 더욱 유용한 자동화된 상호 작용을 달성할 수 있습니다.

예를 들어, 스마트폰은 사용자의 관심을 시각적으로 감지하고 그에 따라 행동과 전력 전략을 조정할 수 있습니다. 이는 절전(사용자가 감지되지 않을 때 장치 끄기), 보안 향상(무단 사용자 또는 원치 않는 "잠복자" 감지)에 유용하며 보다 원활한 사용자 경험을 제공합니다. 실제로 이 기술은 구경꾼의 시선을 추적하여(방관자 감지) 사용자에게 추가로 경고를 보내고 사용자가 방해받지 않을 때까지 화면 콘텐츠를 숨길 수 있습니다.

또 다른 예: 스마트 TV는 누군가가 어디서 보고 있는지 감지한 다음 조정할 수 있습니다. 그에 따른 이미지 품질과 사운드. 사람이 없을 때 전원을 절약하기 위해 자동으로 종료될 수 있습니다. 에어컨 시스템은 실내 점유율을 기준으로 전력과 공기 흐름을 최적화하여 에너지 비용을 절감합니다.

홈 오피스와 하이브리드 업무 모델의 등장으로 건물 내 스마트 에너지 활용 사례와 기타 경제적 측면이 더욱 중요해졌습니다.

이 기술의 응용 분야는 TV, PC에 국한되지 않고 제조 및 기타 분야에도 적용됩니다. 산업 현장에서 중요한 역할을 합니다. 예를 들어 안전 감독 측면에서 제한 구역, 안전 통로, 보호 장비 강화 등 물체 감지, 예측 유지 관리, 제조 공정 제어에 사용할 수 있습니다. 농업도 작물 검사, 품질 모니터링 등 비전 기반 상황 인식 기술의 혜택을 누릴 수 있는 또 다른 분야입니다.

컴퓨터 비전의 응용

딥 러닝의 발전으로 컴퓨터 비전 분야에서 놀라운 일이 많이 가능해졌습니다. 많은 사람들은 일상 생활에서 컴퓨터 비전 기술을 어떻게 사용하는지조차 모릅니다. 예:

• 이미지 분류 및 객체 감지: 객체 감지는 분류와 현지화를 결합하여 이미지나 비디오에서 객체를 식별하고 이미지에서 객체의 위치를 ​​지정합니다. 다양한 객체에 분류를 적용하고 경계 상자를 사용합니다. CV는 휴대폰을 통해 작동하며 이미지나 동영상의 개체를 식별하는 데 사용할 수 있습니다.

은행 산업: CV는 고객 경험 향상, 보안 강화, 운영 효율성 향상을 목표로 사기 통제, 신원 확인, 데이터 추출 등의 분야에서 널리 사용됩니다.

소매 산업: 이를 처리하는 컴퓨터 비전 시스템을 개발하여 셀프 계산대 등 실제 산업의 디지털 전환을 보다 쉽게 ​​달성할 수 있도록 데이터를 활용합니다.

자율 자동차: 컴퓨터 비전은 도로 표지판이나 신호등과 같은 물체를 감지 및 분류하고, 3D 지도를 생성하거나 동작 추정, 자율주행을 가능하게 한다

엣지에서의 자동차 구현

머신러닝 기반의 시각처리는 엣지 분야에서 분명한 추세를 보이고 있습니다. 하드웨어 비용은 계속 떨어지고 컴퓨팅 성능은 크게 향상되며 새로운 방법을 사용하면 소규모 모델을 교육하고 배포하는 데 더 적은 전력과 메모리가 필요합니다. 이러한 요소들은 엣지 AI 기술 채택에 대한 장벽을 낮추고 사용을 촉진했습니다.

그러나 유비쿼터스 마이크로 AI가 점점 더 많아지고 있음에도 불구하고 아직 해야 할 일이 남아 있습니다. 앰비언트 컴퓨팅을 현실로 만들려면 많은 시장 부문에서 롱테일 사용 사례를 제공해야 하며 이로 인해 확장성 문제가 발생할 수 있습니다.

소비재, 공장, 농업, 소매 및 기타 분야에서 모든 새로운 작업에는 학습할 다양한 알고리즘과 고유한 데이터 세트가 필요합니다. 솔루션 제공업체는 특정 사용 사례 요구 사항을 충족하는 최적화된 ML 지원 시스템을 만들기 위해 더 많은 개발 도구와 리소스를 제공합니다.

TinyML

TinyML은 엣지에서 모든 유형의 인공 지능을 구현하는 핵심 요소입니다. 이는 콤팩트한 모델 아키텍처와 최적화된 알고리즘을 활용하여 엣지 디바이스에서 직접 가볍고 에너지 효율적인 ML 모델을 개발하는 접근 방식입니다.

TinyML을 사용하면 AI 처리가 기기에서 로컬로 수행되므로 지속적인 클라우드 연결의 필요성이 줄어듭니다. TinyML 구현은 낮은 전력 소비 외에도 대기 시간을 줄이고 개인 정보 보호 및 보안을 강화하며 대역폭 요구 사항을 줄입니다.

또한 이를 통해 엣지 장치는 클라우드 인프라에 과도하게 의존하지 않고 실시간 결정을 내릴 수 있으므로 스마트 장치, 웨어러블 및 산업 자동화를 포함한 다양한 애플리케이션에서 AI에 대한 접근성과 실용성을 높일 수 있습니다. 이를 통해 기능 격차를 해결하고 AI 회사가 풍부한 모델 예제 세트("모델 동물원")와 애플리케이션 참조 코드를 개발하여 NPU 제품 주변의 소프트웨어를 업그레이드할 수 있습니다

이러한 방식으로 대상 하드웨어에 적합한 알고리즘을 최적화하여 결정된 비용, 크기 및 전력 소비 제약 내에서 특정 비즈니스 요구 사항을 해결함으로써 설계 성공을 보장하는 동시에 광범위한 롱테일 애플리케이션을 지원할 수 있습니다.

위 내용은 차세대 IoT 시스템에 환경 CV 기술 적용의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!