今天，計(jì)算機(jī)視覺(jué)(CV)技術(shù)正處于一個(gè)轉(zhuǎn)折點(diǎn)，主要趨勢(shì)匯聚起來(lái)，使云技術(shù)在針對(duì)特定用途優(yōu)化的微型邊緣人工智能設(shè)備中變得無(wú)處不在，這些設(shè)備通常由電池供電。

今天，計(jì)算機(jī)視覺(jué)(CV)技術(shù)正處于一個(gè)轉(zhuǎn)折點(diǎn)，主要趨勢(shì)匯聚起來(lái)，使云技術(shù)在針對(duì)特定用途優(yōu)化的微型邊緣人工智能設(shè)備中變得無(wú)處不在，這些設(shè)備通常由電池供電。

解決特定挑戰(zhàn)的技術(shù)進(jìn)步使這些設(shè)備能夠在受限的環(huán)境中本地執(zhí)行復(fù)雜的功能——即尺寸、功率和內(nèi)存——正在使這種以云為中心的人工智能技術(shù)延伸到邊緣，新的發(fā)展將使邊緣的人工智能視覺(jué)無(wú)處不在。

了解技術(shù)

CV技術(shù)確實(shí)處于邊緣，并且正在實(shí)現(xiàn)人機(jī)界面(HMI)的下一個(gè)級(jí)別。

情境感知設(shè)備不僅能感知用戶(hù)，還能感知用戶(hù)所處的環(huán)境，從而做出更好的決策，實(shí)現(xiàn)更有用的自動(dòng)化交互。

例如，筆記本電腦可以在視覺(jué)上感知用戶(hù)的注意力，并相應(yīng)地調(diào)整其行為和電源策略。這對(duì)于省電(當(dāng)沒(méi)有檢測(cè)到用戶(hù)時(shí)關(guān)閉設(shè)備)以及安全(檢測(cè)未授權(quán)用戶(hù)或不需要的“潛伏者”)原因都是有用的，并且提供更無(wú)摩擦的用戶(hù)體驗(yàn)。事實(shí)上，通過(guò)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(hù)，并隱藏屏幕內(nèi)容，直到海岸暢通無(wú)阻。

另一個(gè)例子：智能電視機(jī)可以感知是否有人在觀看以及從哪里觀看，然后相應(yīng)地調(diào)整圖像質(zhì)量和聲音。 當(dāng)無(wú)人在場(chǎng)時(shí)，它可以自動(dòng)關(guān)閉以節(jié)省電量。 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(guò)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(guò)程控制。 農(nóng)業(yè)是另一個(gè)將從基于視覺(jué)的情境感知技術(shù)中受益匪淺的部門(mén)：例如農(nóng)作物檢驗(yàn)和質(zhì)量監(jiān)控。

計(jì)算機(jī)視覺(jué)的應(yīng)用

深度學(xué)習(xí)的進(jìn)步使計(jì)算機(jī)視覺(jué)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(jué)技術(shù)。 例如：

?圖像分類(lèi)和對(duì)象檢測(cè)：對(duì)象檢測(cè)結(jié)合了分類(lèi)和定位來(lái)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(lèi)應(yīng)用于不同的對(duì)象并使用邊界框。 CV 通過(guò)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(hù)體驗(yàn)、提高安全性并提高運(yùn)營(yíng)效率。

?零售：用于處理這些數(shù)據(jù)的計(jì)算機(jī)視覺(jué)系統(tǒng)的開(kāi)發(fā)使實(shí)際行業(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(chē)：計(jì)算機(jī)視覺(jué)用于檢測(cè)和分類(lèi)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(chē)成為現(xiàn)實(shí)方面發(fā)揮關(guān)鍵作用。

邊緣的CV

邊緣無(wú)處不在的基于ML的視覺(jué)處理的趨勢(shì)是明顯的。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)模模型變得更加容易。所有這些都減少了采用的障礙，并增加了邊緣人工智能技術(shù)的使用。

但即使我們看到越來(lái)越多無(wú)處不在的微型人工智能，仍然有工作要做。為了使環(huán)境計(jì)算成為現(xiàn)實(shí)，我們需要服務(wù)于許多細(xì)分市場(chǎng)中的長(zhǎng)尾用例，這可能會(huì)產(chǎn)生可擴(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，每個(gè)新任務(wù)都需要不同的算法和獨(dú)特的數(shù)據(jù)集來(lái)進(jìn)行訓(xùn)練。解決方案提供商提供更多的開(kāi)發(fā)工具和資源來(lái)創(chuàng)建優(yōu)化的支持ML的系統(tǒng)，以滿(mǎn)足特定的用例需求。

TinyML

TinyML是在邊緣實(shí)現(xiàn)所有類(lèi)型人工智能的一個(gè)關(guān)鍵使能因素。這是一種通過(guò)利用緊湊的模型架構(gòu)和優(yōu)化的算法，直接在邊緣設(shè)備上開(kāi)發(fā)輕量級(jí)和高能效ML模型的方法。

TinyML使AI處理能夠在設(shè)備上本地進(jìn)行，減少了對(duì)持續(xù)云連接的需求。除了功耗更低之外，TinyML實(shí)現(xiàn)還降低了延遲，增強(qiáng)了隱私和安全性，并降低了帶寬要求。

此外，它使邊緣設(shè)備能夠在不嚴(yán)重依賴(lài)云基礎(chǔ)設(shè)施的情況下做出實(shí)時(shí)決策，使人工智能在各種應(yīng)用程序中更容易訪問(wèn)和實(shí)用，包括智能設(shè)備、可穿戴設(shè)備和工業(yè)自動(dòng)化。這有助于解決功能差距，并使人工智能公司能夠通過(guò)開(kāi)發(fā)豐富的模型示例集——“模型動(dòng)物園”——和應(yīng)用參考代碼，圍繞其N(xiāo)PU產(chǎn)品升級(jí)軟件。

這樣，他們就可以在確定的成本、尺寸和功耗限制內(nèi)，針對(duì)目標(biāo)硬件優(yōu)化合適的算法來(lái)解決特定的業(yè)務(wù)需求，從而支持更廣泛的長(zhǎng)尾應(yīng)用，同時(shí)確保設(shè)計(jì)成功。