ホームページ > 記事 > テクノロジー周辺機器 > コンピュータービジョン (CV) テクノロジーとは何ですか?
現在、コンピューター ビジョン (CV) テクノロジーは転換点にあり、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 デバイスでクラウド テクノロジーをユビキタスにする方向に収束しています。 。
技術の進歩により、これらのデバイスがサイズ、電力、メモリなどの制約された環境で複雑な機能をローカルで実行できるようにする特定の課題に対処し、このクラウド中心の AI テクノロジーを可能にします。エッジまで拡張できるため、新たな開発により、ユビキタスなエッジにおける AI ビジョン。
CV テクノロジーはまさに最先端であり、より高いレベルのヒューマン マシン インターフェイス (HMI) を可能にします。
コンテキスト認識デバイスは、より適切な意思決定を行い、より有用な自動対話を可能にするために、ユーザーだけでなくデバイスが動作する環境も認識します。
たとえば、ラップトップはユーザーが注意を払っていることを視覚的に感知し、それに応じて動作と電源ポリシーを調整できます。これは、省電力 (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) とセキュリティ (未承認の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、この技術は、傍観者の眼球を追跡する (傍観者検出) ことにより、さらにユーザーに警告し、安全になるまで画面のコンテンツを非表示にすることができます。
別の例: スマート TV は誰かが見ているかどうかを感知し、それに応じて画質とサウンドを調整します。周囲に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。
こうした建物内でのスマート エネルギー利用の例は、ホームオフィスとハイブリッドのワーク モデルを通じて、経済的にさらに重要になります。
この技術は、テレビや PC に限定されるものではなく、セキュリティ監視 (立ち入り禁止エリア、安全な通路、保護具の施行など) 検査に使用されるオブジェクトなど、製造やその他の産業用途でも重要な役割を果たしています。予知保全と製造プロセス管理。農業も、作物の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から大きな恩恵を受ける分野です。
ディープ ラーニングの進歩により、コンピュータ ビジョンの分野で多くの驚くべきことが可能になりました。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。
銀行業務: CV は、顧客体験の向上、セキュリティの向上、業務効率の向上を目的として、不正行為の防止、本人確認、データ抽出などの分野で使用されます。
小売: このデータを処理するためのコンピューター ビジョン システムの開発により、セルフサービス チェックアウトなど、現実世界の業界のデジタル変革の実現が容易になりました。
自動運転車: コンピューター ビジョンは、物体 (道路標識や信号機など) の検出と分類、3D マップの作成や動作推定に使用され、自動運転車の実現において重要な役割を果たします。 。
機械学習に基づくエッジビジョン処理の普遍的な傾向は明らかです。ハードウェアのコストは低下し、コンピューティング能力は大幅に向上しており、新しい手法により、必要な電力とメモリが少ない小規模モデルのトレーニングとデプロイが容易になっています。これらすべてにより、導入の障壁が軽減され、CV テクノロジーの最先端で AI の使用が増加します。
しかし、マイクロエッジ AI がより一般的になってきているとはいえ、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にわたる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要件を満たす最適化された機械学習対応システムを作成するための追加の開発ツールとリソースを提供します。
TinyML は、エッジであらゆるタイプの AI を可能にする重要なイネーブラーです。これは、コンパクトなモデル アーキテクチャと最適化アルゴリズムを使用して、軽量でエネルギー効率の高い機械学習モデルをエッジ デバイス上で直接開発する方法です。
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、帯域幅要件を減らすことができます。
さらに、クラウド インフラストラクチャに大きく依存することなく、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、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 がよりアクセスしやすくなり、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 企業が豊富なモデル サンプル (「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。
そうすることで、特定のビジネス ニーズを解決するために定義されたコスト、サイズ、電力の制約の下でターゲット ハードウェアに適切なアルゴリズムを最適化することで、設計を確実に成功させながら、ロングテール向けに幅広いアプリケーションを提供できます。
以上がコンピュータービジョン (CV) テクノロジーとは何ですか?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。