今天，電腦視覺(CV)技術正處於一個轉折點，主要趨勢匯聚起來，使雲端技術在針對特定用途優化的微型邊緣人工智慧設備中變得無處不在，這些設備通常由電池供電。
技術的進步解決了特定的挑戰，使得這些設備能夠在受限環境中本地執行複雜的功能，包括尺寸、功率和記憶體。這種以雲端為中心的人工智慧技術正在擴展到邊緣，新的發展將使得邊緣的人工智慧視覺無處不在
CV技術確實處於邊緣，並且正在實現人機介面(HMI)的下一個等級。
情境感知設備不僅能感知用戶，還能感知用戶所處的環境，從而做出更好的決策，實現更有用的自動化互動。
例如，智慧型手機可以透過視覺感知使用者的注意力，並相應地調整其行為和電源策略。這對於節省電量（當沒有偵測到使用者時關閉裝置）以及提高安全性（偵測未授權使用者或不需要的「潛伏者」）都非常有用，並且提供更順暢的使用者體驗。實際上，透過追蹤旁觀者的目光（旁觀者檢測），該技術可以進一步提醒用戶，並隱藏螢幕內容，直到用戶暢通無阻
#另一個例子：智慧電視機可以感知是否有人在觀看以及從哪裡觀看，然後相應地調整影像品質和聲音。當無人在場時，它可以自動關閉以節省電力。空調系統根據房間佔用情況優化功率和氣流，以節省能源成本。
家庭辦公室和混合工作模式的出現使得建築物中智慧能源利用的實例以及其他實例在財務上變得更加重要
這項技術的應用不僅局限於電視和個人電腦，在製造業和其他工業領域也發揮著至關重要的作用。例如，在安全監管方面，它可以用於物件偵測、預測性維護和製造過程控制，例如禁區、安全通道和防護裝備的執行。農業也是另一個能夠從基於視覺的情境感知技術中獲益的領域，例如農作物檢驗和品質監控
#深度學習的進步使得許多令人驚奇的事情在電腦視覺領域成為可能。許多人甚至不知道他們在日常生活中如何使用電腦視覺技術。例如：
• 影像分類和物件偵測：物件偵測結合了分類和定位來確定影像或影片中的物件並指定它們在影像中的位置。它將分類應用於不同的物件並使用邊界框。 CV 透過手機運作，可用於識別影像或影片中的物件。
銀行業：CV 在詐欺控制、身份驗證、資料提取等領域被廣泛應用，旨在提升客戶體驗、加強安全性並提高營運效率
零售業：透過開發計算機視覺系統來處理這些數據，使實際產業的數位轉型變得更加容易實現，例如自助結帳
自動駕駛汽車：電腦視覺在偵測和分類物件（如路標或交通燈）、創建3D地圖或運動估計方面發揮關鍵作用，從而實現自動駕駛汽車的實現
基於機器學習的視覺處理在邊緣領域的趨勢明顯。硬體成本不斷下降，運算能力顯著提升，新方法使得訓練和部署小規模模型所需的功率和記憶體更少。這些因素都降低了採用邊緣人工智慧技術的障礙，並促進了其使用
但即使我們看到越來越多無所不在的微型人工智慧，仍然有工作要做。為了使環境運算成為現實，我們需要服務許多細分市場中的長尾用例，這可能會產生可擴展性挑戰。
在消費品、工廠、農業、零售和其他領域，每個新任務都需要不同的演算法和獨特的資料集來進行訓練。解決方案提供者提供更多的開發工具和資源來創建最佳化的支援ML的系統，以滿足特定的用例需求。
TinyML是在邊緣實現所有類型人工智慧的關鍵使能因素。這是一種透過利用緊湊的模型架構和最佳化的演算法，直接在邊緣設備上開發輕量級和高能效ML模型的方法。
TinyML使AI處理能夠在裝置上本地進行，減少了對持續雲端連線的需求。除了功耗更低之外，TinyML實作還降低了延遲，增強了隱私和安全性，並降低了頻寬要求。
此外，這使得邊緣設備能夠在不過度依賴雲端基礎設施的情況下做出即時決策，從而使得人工智慧在各種應用程式中更容易存取和實用，包括智慧型裝置、可穿戴設備和工業自動化。這有助於解決功能差距，並使得人工智慧公司能夠透過開發豐富的模型範例集——「模型動物園」——並應用參考程式碼，圍繞其NPU產品升級軟體
這樣，他們就可以在確定的成本、尺寸和功耗限制內，針對目標硬體優化合適的演算法來解決特定的業務需求，從而支援更廣泛的長尾應用，同時確保設計成功。
以上是環境 CV 技術在新一代物聯網系統中的應用的詳細內容。更多資訊請關注PHP中文網其他相關文章！
