ML at the Edge: visuele intelligentie met een goedkope MCU

Het maken van een dataset kan een van de meest uitdagende aspecten zijn van het creëren van een betrouwbaar model om mee te werken. Bij Au-Zone hebben we een speelkaartdataset gemaakt om de mogelijkheden van onze interne cameramodule samen met het machine learning-modeltrainingsportaal te laten zien. De afbeeldingen voor de dataset zijn allemaal afkomstig uit de DeepView Vision Starter Kit | Micro zelf en toen het eenmaal voltooid was, hebben we het eIQ-portaal gebruikt om zowel classificatie- als detectiemodellen te trainen en te creëren in een proof-of-concept-voorbeeld. Een bruikbaar machine learning-model vereiste een diverse en robuuste dataset. We bespreken een […]

Geavanceerde detectiemodellen

In veel computer vision-toepassingen zijn detectie-algoritmen het 'brood en boter', of het nu gaat om het detecteren van gezichten, mensen, voertuigen of andere objecten. Als u een computer vision-toepassing ontwikkelt, bent u waarschijnlijk bekend met enkele van de moderne detectie-algoritmen zoals single shot detector (SSD) of YOLO (You Only Look Once). Hoewel deze algoritmen voor veel toepassingen vrij goed werken, leveren de ultramoderne detectiemodellen een toename in prestaties, nauwkeurigheid en functionaliteit. Als embedded ontwikkelaar moet je primaire taak voor het gebruik van een detectie-algoritme het verzamelen en labelen van de trainingsgegevens voor het model zijn (hoewel je misschien een goede […]

Object volgen aan de rand

De introductie van goedkope, krachtige Arm-processors in combinatie met de vooruitgang in machine learning-technieken vormt de basis voor intelligente randapparatuur voor computervisie. Computervisie aan de rand zal de verschuiving van cloudgerichte intelligentie naar randintelligentie voor veel use-cases stimuleren, aangezien edge-apparaten veel voordelen bieden. Edge-videoverwerking kan bijvoorbeeld deterministische responstijden, lagere netwerkbandbreedtekosten en verhoogde gegevensbescherming bieden, om er maar een paar te noemen. Objectdetectie en -tracking zijn de eerste use-cases waarvoor het momentum om over te schakelen naar edge-based oplossingen aan snelheid wint. Echter; er zijn tal van valkuilen die ontwikkelaars moeten vermijden om met succes de ontwerpuitdagingen die gepaard gaan met […]

Machine Learning wordt mainstream – NXP's eIQ ML-softwareontwikkelingsomgeving is nu slimmer en vriendelijker geworden

Deze blogpost is oorspronkelijk gepubliceerd door NXP Semiconductors. Het is hier herdrukt met toestemming van NXP Semiconductors. Edge intelligence is een van de meest disruptieve innovaties sinds de komst van het Internet of Things (IoT). Terwijl het IoT aanleiding gaf tot miljarden slimme, verbonden apparaten die ontelbare terabytes aan sensorgegevens voor op AI gebaseerde cloudcomputing verzenden, was er een andere revolutie aan de gang: machine learning (ML) op edge-apparaten. Naarmate meer en meer intelligentie naar de rand van het netwerk migreert, heeft NXP deze trend omarmd door kosten-, prestatie- en stroomgeoptimaliseerde verwerkingsoplossingen te leveren om ML-technologie over meerdere markten en […]

Visuele intelligentie voor IoT

Het was niet zo lang geleden dat computer vision-applicaties met AI/ML-intelligentie systemen met uitgebreide rekencapaciteit nodig hadden, veel geheugen en hoogwaardige industriële camera's. Het idee om computervisie met ML-capaciteit toe te voegen aan kostengevoelige IoT-edge-apparaten werd vaak overschaduwd door de realiteit van hoge stuklijstkosten die leidden tot lage productmarges voor iedereen, behalve voor de meest gespecialiseerde toepassingen. Cloudgebaseerde oplossingen boden een mogelijk alternatief door de behoefte aan resourcerijke computersystemen aan de rand te verminderen. Met cloudgebaseerde oplossingen kunnen beeldverwerking en ML-inferentie worden overgeheveld naar resource-intensieve cloudcomputers. De kosten van cloudplatforminstanties, beveiligingsproblemen en jitter in reactietijd zorgden echter voor verschillende obstakels […]