We kunnen niet wachten om iedereen in Santa Clara te zien op de Embedded Vision Summit in 2022. Het vierdaagse evenement, dat plaatsvindt van 16 tot 19 mei, brengt de grootste namen op het gebied van computervisie en visuele AI samen voor lezingen, workshops, tentoonstellingen en meer.
Edge Impulse zal zeer actief zijn op de show, met een keynote van CEO Zach Shelby (dinsdag, 10:40 uur PT), een doorloop van FOMO, ons nieuwe ultralichte objectdetectie-algoritme door CTO Jan Jongboom (woensdag 10: 50 uur PT), en een “deep dive” -sessie die op donderdag van 09.00 uur tot 12.00 uur duurt. (Hierover hieronder meer).
We hebben ook een fantastische stand (serieus, kom zeker langs om hem te zien – ruimte #407) en we zullen tijdens het evenement over de winkel praten op de beursvloer . We laten technische demo's zien, variërend van mensen tellen met een lage resolutie tot slimme natuurcamera's. Verschillende partners zullen bij ons op de stand aanwezig zijn om hun producten te demonstreren en te laten zien hoe bedrijven ze kunnen gebruiken met het Edge Impulse-platform om hun eigen mogelijkheden te vergroten. Tijdens het evenement ontvangen we vertegenwoordigers van:
- Sony
- Renesas
- Synaptics
- Alif Semiconductor
- BrainChip
- SiLabs
- Himax
Als je nog geen pas hebt gepakt, koop er dan nu een. En meld je dan aan voor een vergadertijd om in contact te komen met ons team ter plaatse. We zijn verheugd u te laten zien hoe u Edge Impulse kunt gebruiken met uw volgende product.
Details van de workshop voor diepteduiken:
Workshop #1 – FOMO: realtime objectdetectie op low-power microcontrollers
(~ 60 minuten)
Edge Impulse FOMO (Faster Objects, More Objects) is een nieuw algoritme voor machine learning dat objectdetectie naar zeer beperkte apparaten brengt. Hiermee kunt u objecten tellen, de locatie van objecten in een afbeelding vinden en meerdere objecten in realtime volgen met tot 30x minder verwerkingskracht en geheugen dan MobileNet SSD of YOLOv5. In deze oefening leren deelnemers hoe ze een hoogwaardige objectdetectiedataset kunnen verzamelen om een FOMO-model te trainen en te implementeren op een microcontroller zoals het Arduino Portenta H7 + Vision-schild.
Workshop #2 – Pose-classificatie: meertraps-inferentie in een ingebed apparaat
(~ 60 minuten)
Construeer een meertraps machine learning-pijplijn die beeldgegevens vastlegt en gebruik het TensorFlow Pose Estimation-model om gezamenlijke locaties op een menselijk lichaam te identificeren en poses te classificeren met behulp van die functies. Om dit project te voltooien, zullen we het pose-schattingsmodel in een aangepast Edge Impulse-blok wikkelen, zodat zowel de pose-schattings- als classificatiemodellen na de training gemakkelijk kunnen worden geïmplementeerd op een ingebouwd apparaat.
Mike Senese
Directeur Content Marketing, Edge Impulse
