Для обучения искусственного интеллекта часто требуются тысячи предельно точных образцов. Это может быть дорогостоящим и длительным процессом. Например, если вы хотите обучить модель обнаружению производственных дефектов, вам необходимо предоставить изображения как с дефектными, так и с хорошими образцами.
Японские эксперты по искусственному интеллекту в Hacarus работают над решением, которое называется Sparse Modeling, для которого требуется около 50 образцов или даже меньше для обучения. Проведена совместная работа с Congatec, чтобы предоставить встраиваемый вычислительный модуль искусственного интеллекта, использующий эту технологию.
Технология Sparse Modeling
Представители компании Hacarus не вдаются в подробности, но объясняют, что технология Sparse Modeling использует подход моделирования данных, который фокусируется на выявлении уникальных характеристик таким образом, что люди узнают друзей и семью без необходимости осматривать все с ног до головы.
Это означает, что алгоритмы, основанные на Sparse Modeling, не требуют такого большого количества данных, как традиционные решения искусственного интеллекта, что приводит к гораздо меньшей занимаемой площади ИИ, подходящей для безвентиляторных систем с низким энергопотреблением, работающей 24/7, и / или которая может ограничивать запас потребляемой мощности для интеграции ИИ или машинного зрения.
У них есть специальные модули как для промышленной, так и для медицинской сфер деятельности, которые работают либо в облаке, либо на грани во встраиваемых системах или ПК, работающих через SDK, и / или IP-чипах для Xilinx FPGA и Arm, а вскоре и для Intel Altera FPGA и чипов RISC-V:
- Промышленная сфера
- Облако, встраиваемые системы и чип IP – классификация, прогнозирование, обнаружение аномалий, оценка (анализ, классификация и ранжирование характерных признаков и исторических данных) и суперразрешение (создание изображений с высоким разрешением из изображений с низким разрешением.)
- Встраиваемые системы и чип IP – обнаружение движения и распознавание лица
- Облако и встраиваемые системы – рекомендация (анализ характерных признаков и исторических данных и генерация рекомендаций) и проверка
- Медицинская сфера
- Только облако – рекомендации по лечению, классификация заболеваний
- Облако, встраиваемые системы и IP чип – ЭКГ
Ниже вы можете увидеть демонстрацию решения SPECTRO Visual Inspection от компании, где они обучают модель с несколькими изображениями металлических пластин без царапин, а затем запускают модель, которая тренировалась от нескольких секунд до одной минуты, с изображениями хороших пластин и поцарапанных пластин.
Некоторые исходные коды, документация и примеры доступны на Github.
Встраиваемый вычислительный модуль искусственного интеллекта от Hacarus с технологией Sparse Modeling
Устройство может быть установлен на ПК или встроено в ваше собственное оборудование, но, для упрощения работы с клиентами, компания также заключила партнерское соглашение с Congatec, предоставив готовый встраиваемый вычислительный модуль искусственного интеллекта.
Основные характеристики и спецификации:
- SoC – процессор Intel Atom или Celeron Apollo Lake
- Память – 1х разъем mSATA
- Возможность подключения – 2х приложения GbE готовы для «GigE Vison»
- USB – 1x USB3.0 / 2.0, 4x USB2.0
- Последовательное соединение – 1 х UART (RS-232)
- Расширения – 2x Mini-PCIe с разъемом USIM, 16x GPIO
- Источник питания – 9 В-32 В постоянного тока.
- Размеры – 173 х 88 х 21,7 мм
Возможно, в пресс-релизе Congatec, вы найдете еще несколько деталей, но нам не удалось найти страницу продукта для этого нового встраиваемого вычислительного модуля ни на сайте Congatec, ни на сайте Hacarus.
Выражаем свою благодарность источнику из которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.