如今,電腦視覺(CV)技術正處於拐點,主要趨勢正在融合,使雲端技術在針對特定用途,進行最佳化的微型邊緣人工智慧設備中無處不在,並且通常是電池供電的。
技術進步解決了特定的挑戰,使這些設備能夠在受限制的環境中本地執行複雜的功能——即尺寸、功率和內存——使這種以雲端為中心的人工智慧技術能夠擴展到邊緣,新的發展將使邊緣的人工智慧視覺無所不在。
CV技術確實處於前沿,並且正在實現更高水準的人機介面(HMI)。
情境感知設備不僅能感知用戶,還能感知他們操作的環境,所有這些都是為了做出更好的決策,實現更有用的自動化互動。
例如,筆記型電腦可以透過視覺感知使用者何時集中註意力,並可以相應地調整其行為和電源策略。這對於省電(未偵測到使用者時關閉裝置)和安全(偵測未經授權的使用者或不需要的「潛伏者」)非常有用,並提供更順暢的使用者體驗。事實上,透過追蹤旁觀者的眼球(旁觀者檢測),該技術可以進一步提醒使用者並隱藏螢幕內容,直到安全為止。
另一個例子是:智慧電視機可以感知到是否有人在觀看,然後它會相應地調整影像品質和聲音。它可以在無人時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。
透過家庭辦公室混合工作模式,建築物中智慧能源利用的這些例子和其他例子在財務上變得更加重要。
此技術不僅限於電視和個人電腦,在製造業和其他工業用途中也發揮著至關重要的作用,例如用於安全監管(即禁區、安全通道、防護裝備執行)的對象檢測、預測性維護和製造過程控制。農業是另一個將從基於視覺的情境感知技術中受益匪淺的部門:例如農作物檢驗和品質監控。
深度學習的進步使電腦視覺領域的許多令人驚奇的事情成為可能。許多人甚至不知道他們如何在日常生活中使用電腦視覺技術。例如:
影像分類和對象偵測:對象偵測結合了分類和定位來確定影像或影片中的對象,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,可用於辨識影像或影片中的物件。
銀行業:CV用於詐欺控制、身分驗證、資料擷取等領域,以增強客戶體驗、提高安全性並提高營運效率。
零售:用於處理這些數據的電腦視覺系統的發展,使得現實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:電腦視覺用於檢測和分類物體(例如路標或交通燈)、創建3D地圖或運動估計,並在使自動駕駛汽車成為現實方面發揮關鍵作用。
基於機器學習的邊緣視覺處理無所不在的趨勢是顯而易見的。硬體成本正在下降,運算能力正在顯著提高,新的方法使訓練和部署需要更少功率和記憶體的小規模模型變得更容易。所有這些都減少了採用的障礙,並增加了邊緣CV技術AI的使用。
但即使我們看到微邊緣人工智慧越來越普遍,仍然有工作要做。為了使環境運算成為現實,我們需要為許多細分市場的長尾用例提供服務,這可能會帶來可擴展性挑戰。
在消費品、工廠、農業、零售和其他領域,每項新任務都需要不同的演算法和獨特的資料集進行訓練。解決方案提供者提供更多開發工具和資源,來創建滿足特定用例要求的最佳化的支援機器學習的系統。
TinyML是在邊緣實現所有類型AI的關鍵推動者。這是一種利用緊湊的模型架構和最佳化演算法,直接在邊緣設備上開發輕量級且節能的機器學習模型的方法。
TinyML使AI處理能夠在設備本地進行,從而減少對持續雲端連接的需求。除了消耗更少的電力之外,TinyML實施還可以減少延遲、增強隱私和安全性以及降低頻寬要求。
此外,它使邊緣設備能夠在不嚴重依賴雲端基礎設施的情況下做出即時決策,使人工智慧在智慧型裝置、穿戴式裝置和工業自動化等各種應用中更易於存取和實用。這有助於解決功能差距,並使人工智慧企業能夠透過開發豐富的模型範例(“模型動物園”)和應用程式參考程式碼來圍繞其NPU產品升級軟體。
透過這樣做,他們可以為長尾提供更廣泛的應用,同時透過在定義的成本、尺寸和功率限制下針對目標硬體優化正確的演算法來確保設計成功,以解決特定的業務需求。
以上是什麼是電腦視覺(CV)技術?的詳細內容。更多資訊請關注PHP中文網其他相關文章!