如今，計(jì)算機(jī)視覺(CV)技術(shù)正處于拐點(diǎn)，主要趨勢(shì)正在融合，使云技術(shù)在針對(duì)特定用途，進(jìn)行優(yōu)化的微型邊緣人工智能設(shè)備中無處不在，并且通常是電池供電的。

技術(shù)進(jìn)步解決了特定的挑戰(zhàn)，使這些設(shè)備能夠在受限制的環(huán)境中本地執(zhí)行復(fù)雜的功能——即尺寸、功率和內(nèi)存——使這種以云為中心的人工智能技術(shù)能夠擴(kuò)展到邊緣，新的發(fā)展將使邊緣的人工智能視覺無處不在。

了解技術(shù)

CV技術(shù)確實(shí)處于前沿，并且正在實(shí)現(xiàn)更高水平的人機(jī)界面(HMI)。

情境感知設(shè)備不僅能感知用戶，還能感知他們操作的環(huán)境，所有這些都是為了做出更好的決策，實(shí)現(xiàn)更有用的自動(dòng)化交互。

例如，筆記本電腦可以通過視覺感知用戶何時(shí)集中注意力，并可以相應(yīng)地調(diào)整其行為和電源策略。這對(duì)于省電(未檢測(cè)到用戶時(shí)關(guān)閉設(shè)備)和安全(檢測(cè)未經(jīng)授權(quán)的用戶或不需要的“潛伏者”)非常有用，并提供更順暢的用戶體驗(yàn)。事實(shí)上，通過跟蹤旁觀者的眼球(旁觀者檢測(cè))，該技術(shù)可以進(jìn)一步提醒用戶并隱藏屏幕內(nèi)容，直到安全為止。

另一個(gè)例子是：智能電視機(jī)可以感知到是否有人在觀看，然后它會(huì)相應(yīng)地調(diào)整圖像質(zhì)量和聲音。它可以在無人時(shí)自動(dòng)關(guān)閉以節(jié)省電力。空調(diào)系統(tǒng)根據(jù)房間占用情況優(yōu)化功率和氣流，以節(jié)省能源成本。

通過家庭辦公混合工作模式，建筑物中智能能源利用的這些例子和其他例子在財(cái)務(wù)上變得更加重要。

該技術(shù)不僅限于電視和個(gè)人電腦，在制造業(yè)和其他工業(yè)用途中也發(fā)揮著至關(guān)重要的作用，例如用于安全監(jiān)管(即禁區(qū)、安全通道、防護(hù)裝備執(zhí)行)的對(duì)象檢測(cè)、預(yù)測(cè)性維護(hù)和制造過程控制。農(nóng)業(yè)是另一個(gè)將從基于視覺的情境感知技術(shù)中受益匪淺的部門：例如農(nóng)作物檢驗(yàn)和質(zhì)量監(jiān)控。

計(jì)算機(jī)視覺的應(yīng)用

深度學(xué)習(xí)的進(jìn)步使計(jì)算機(jī)視覺領(lǐng)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?nèi)绾卧谌粘Ｉ钪惺褂糜?jì)算機(jī)視覺技術(shù)。例如：

圖像分類和對(duì)象檢測(cè)：對(duì)象檢測(cè)結(jié)合了分類和定位來確定圖像或視頻中的對(duì)象，并指定它們?cè)趫D像中的位置。它將分類應(yīng)用于不同的對(duì)象并使用邊界框。CV通過手機(jī)工作，可用于識(shí)別圖像或視頻中的對(duì)象。

銀行業(yè)：CV用于欺詐控制、身份驗(yàn)證、數(shù)據(jù)提取等領(lǐng)域，以增強(qiáng)客戶體驗(yàn)、提高安全性并提高運(yùn)營效率。

零售：用于處理這些數(shù)據(jù)的計(jì)算機(jī)視覺系統(tǒng)的發(fā)展，使得現(xiàn)實(shí)行業(yè)的數(shù)字化轉(zhuǎn)型變得更加容易實(shí)現(xiàn)，例如自助結(jié)賬。

自動(dòng)駕駛汽車：計(jì)算機(jī)視覺用于檢測(cè)和分類物體(例如路標(biāo)或交通燈)、創(chuàng)建3D地圖或運(yùn)動(dòng)估計(jì)，并在使自動(dòng)駕駛汽車成為現(xiàn)實(shí)方面發(fā)揮關(guān)鍵作用。

邊緣簡(jiǎn)歷

基于機(jī)器學(xué)習(xí)的邊緣視覺處理無處不在的趨勢(shì)是顯而易見的。硬件成本正在下降，計(jì)算能力正在顯著提高，新的方法使訓(xùn)練和部署需要更少功率和內(nèi)存的小規(guī)模模型變得更容易。所有這些都減少了采用的障礙，并增加了邊緣CV技術(shù)AI的使用。

但即使我們看到微邊緣人工智能越來越普遍，仍然有工作要做。為了使環(huán)境計(jì)算成為現(xiàn)實(shí)，我們需要為許多細(xì)分市場(chǎng)的長(zhǎng)尾用例提供服務(wù)，這可能會(huì)帶來可擴(kuò)展性挑戰(zhàn)。

在消費(fèi)品、工廠、農(nóng)業(yè)、零售和其他領(lǐng)域，每項(xiàng)新任務(wù)都需要不同的算法和獨(dú)特的數(shù)據(jù)集進(jìn)行訓(xùn)練。解決方案提供商提供更多開發(fā)工具和資源，來創(chuàng)建滿足特定用例要求的優(yōu)化的支持機(jī)器學(xué)習(xí)的系統(tǒng)。

TinyML

TinyML是在邊緣實(shí)現(xiàn)所有類型AI的關(guān)鍵推動(dòng)者。這是一種利用緊湊的模型架構(gòu)和優(yōu)化算法，直接在邊緣設(shè)備上開發(fā)輕量級(jí)且節(jié)能的機(jī)器學(xué)習(xí)模型的方法。

TinyML使AI處理能夠在設(shè)備本地進(jìn)行，從而減少對(duì)持續(xù)云連接的需求。除了消耗更少的電量之外，TinyML實(shí)施還可以減少延遲、增強(qiáng)隱私和安全性以及降低帶寬要求。

此外，它使邊緣設(shè)備能夠在不嚴(yán)重依賴云基礎(chǔ)設(shè)施的情況下做出實(shí)時(shí)決策，使人工智能在智能設(shè)備、可穿戴設(shè)備和工業(yè)自動(dòng)化等各種應(yīng)用中更易于訪問和實(shí)用。這有助于解決功能差距，并使人工智能企業(yè)能夠通過開發(fā)豐富的模型示例(“模型動(dòng)物園”)和應(yīng)用程序參考代碼來圍繞其NPU產(chǎn)品升級(jí)軟件。

通過這樣做，他們可以為長(zhǎng)尾提供更廣泛的應(yīng)用，同時(shí)通過在定義的成本、尺寸和功率限制下針對(duì)目標(biāo)硬件優(yōu)化正確的算法來確保設(shè)計(jì)成功，以解決特定的業(yè)務(wù)需求。