Onko neuromorfinen laskenta koneiden visuaalisen havainnoinnin (konenäön) tulevaisuus?

Kompakteihin, energiatehokkaisiin reunalaskentalaitteisiin erikoistuneet teknologiayritykset työskentelevät aktiivisesti parantaakseen laitteidensa ominaisuuksia mahdollistaakseen visuaalisen havainnoinnin koneiden sovelluksissa, kuten kasvojentunnistuksessa. Tyypillisesti visuaalinen havainto vaatii merkittäviä laskentaresursseja, kun sitä käytetään etänä reunalaitteisiin, mikä vähentää latenssia ja kykyä tehdä reaaliaikaisia ​​päätöksiä.

Historiallisesti syväoppimisen ja koneoppimisen hermolaitteiston perinteinen käyttö yhdessä GPU:iden kanssa on osoittanut tehottomuutta energiankulutuksen suhteen, varsinkin kun se on otettu käyttöön lähellä verkon reunaa, josta tiedot ovat peräisin.

Vastauksena tähän haasteeseen ratkaisuksi nousi neuromorfinen laskenta, joka tarjoaa eräänlaisen tekoälyn, joka on saanut inspiraationsa ihmisaivojen tiedonkäsittelymenetelmistä. Neuromorfisen laskennan avulla yritykset voivat luoda huippulaitteita, jotka keskittyvät voimakkaasti energiatehokkuuteen, vaikka ne hallitsevatkin vaativia tekoälytöitä.

Neuromorfisesta tietojenkäsittelystään tunnettu BrainChip on tehnyt yhteistyötä VVDN Technologiesin, elektroniikkasuunnittelu- ja valmistusyrityksen kanssa luodakseen Edge Boxin, joka perustuu neuromorfiseen laskentatekniikkaan. Tämä tuote on suunnattu tarjoamaan edistyneitä tekoälyominaisuuksia ja löytämään sovelluksia eri aloilla, kuten turvallisuusvalvonnassa, autoteollisuudessa ja teollisissa käyttötapauksissa.

BrainChipin mukaan Edge Box on suunniteltu tarjoamaan asiakkaille mahdollisuus ottaa käyttöön tekoälyn reunasovelluksia kustannustehokkaalla tavalla. Organisaatiot voivat hyödyntää tekoälyn tehoa reunalaitteiden valvonta- ja tietoturvasovelluksiin eri toimialoilla, mikä tarjoaa huomattavasti tehokkaamman vaihtoehdon perinteisille lähestymistavoille.

Edge Box on kompakti laite, joka pystyy suorittamaan tekoälymalleja, jotka tukevat tehtäviä, kuten videoanalytiikkaa, kasvojentunnistusta ja esineiden tunnistusta. Korkeasta suorituskyvystään, alhaisesta virrankulutuksestaan ​​ja skaalautuvasta arkkitehtuuristaan ​​tunnettua BrainChip Akida -prosessoria hyödyntäen Edge Box voi olla sopiva laite reuna-AI-ratkaisuihin.

“Tämä kannettava ja kompakti Edge Box on pelin vaihtaja, jonka avulla asiakkaat voivat ottaa tekoälysovelluksia käyttöön kustannustehokkaasti ennennäkemättömällä nopeudella ja tehokkuudella älykkään laskennan etujen lisäämiseksi”, sanoo Sean Hehir, BrainChipin toimitusjohtaja.

Prophesee kehittää GenX320-tapahtumapohjaisen Metavision-anturin aina päällä oleviin aluevalvontajärjestelmiin

Prophesee on julkaissut GenX32:n, tapahtumapohjaisen Metavision-anturin, jonka tavoitteena on parantaa sen integrointia ja käyttäjäystävällisyyttä reunaan upotetuissa näköjärjestelmissä, kuten tekoälykiihdyttimissä ja reunajärjestelmiin kiinnitetyissä siruissa. Kehityksen ensisijainen painopiste on keskittynyt tapahtumatietojen esikäsittelyn ja muotoilun optimointiin, yhteensopivuuden varmistamiseen tietorajapintojen kanssa ja matalan viiveen yhteyksien helpottamiseen eri käsittelyalustoille, mukaan lukien energiatehokkaat neuromorfiset prosessorit.

Yhtiö korostaa tämän anturin erityisiä käyttötapauksia, kuten katseenseurantaa ihmisen ja koneen välisissä liitännöissä, turvallisuussovelluksia, kuten kuljettajan valvontajärjestelmiä (DMS) ja päästöjen havaitsemista. Lisäksi se tarjoaa aina käytössä olevia ominaisuuksia turvallisuus- ja turvallisuussovelluksiin.

Prophesee käyttää tapahtumapohjaista näkemystä Metavision-alustansa kautta, mikä edustaa siirtymää perinteisistä visuaalisen datan hankinta- ja käsittelymenetelmistä ja ottaa inspiraatiota ihmisen näköjärjestelmän toiminnasta. Käyttämällä neuromorfisia tekniikoita Prophesee saavuttaa tehokkuuden ja suorituskyvyn parannuksia, mikä parantaa turvallisuutta, tuottavuutta ja yleistä käyttökokemusta erilaisissa näkemysjärjestelmissä sellaisilla aloilla kuin kulutuselektroniikka, teollisuusympäristöt, autoteollisuuden sovellukset ja monet muut.

“Olemme rakentaneet kaupallisen menestyksemme perustalle muilla sovellusalueilla ja kehittäneet tämän uuden tapahtumapohjaisen Metavision-anturin vastataksemme reunajärjestelmien kehittäjien tarpeisiin anturin avulla, joka on helppo integroida, konfiguroida ja optimoida useisiin houkutteleviin käyttötapauksiin liikkeessä. ja esineiden havaitseminen, läsnäolotietoisuus, eleiden tunnistus, katseenseuranta ja muut nopeasti kasvavat alueet”, sanoo Luca Verre, Propheseen toimitusjohtaja ja toinen perustaja. Näihin muihin alueisiin voisi kuulua kasvojen biometria.

SiLC Technologies esittelee Eyeonic Vision Systems -järjestelmät edistyneeseen konenäköön

SiLC Technologies on kehittänyt neljä erillistä versiota Eyeonic Vision Systemistä, joista jokainen on räätälöity parantamaan koneen visuaalista havaintoa. Nämä versiot on optimoitu vastaamaan erilaisiin sovellustarpeisiin, jotka vaativat näkökykyä eri etäisyyksillä.

Toisin kuin perinteiset konenäköjärjestelmät, jotka tyypillisesti luottavat perinteisiin kameroihin staattisten kuvien ottamiseen, SiLC:n Eyeonic Vision Systems edustavat kattavampaa ja dynaamisempaa ratkaisua.

Eyeonic Vision System käyttää FMCW (Frequency Modulated Continuous Wave) LiDAR-tekniikkaa, anturia, joka käyttää laservaloa etäisyyksien mittaamiseen ja yksityiskohtaisten ympäristötietojen keräämiseen. Tämän ominaisuuden ansiosta järjestelmä pystyy toimittamaan reaaliaikaista ja tarkkaa tietoa. FMCW LiDAR -anturin integroimiseksi yritys on rakentanut siruintegroidun ratkaisun, joka muodostaa näissä näköjärjestelmissä käytettävän ydinteknologian.

“Eyeonic Vision Systemin lanseerauksesta lähtien yhteistyömme eri OEM-valmistajien kanssa paljasti selkeät näkövaatimukset, jotka vaativat useita versioita ratkaisustamme”, sanoo Mehdi Asghari, SiLC Technologiesin toimitusjohtaja ja perustaja.

Neuromorfisen teknologian markkinoiden kasvu

“Vaikutus on kuitenkin todennäköisesti merkittävä, koska neuromorfisen laskennan odotetaan häiritsevän monia nykyistä tekoälyteknologian kehitystä, mikä tuottaa virransäästöjä ja suorituskykyetuja, joita ei voida saavuttaa nykyisten AI-sirujen sukupolvella”, raportissa sanotaan.

Lähde: Activist Post