更快，更有效的對象識別是新技術正在開發的承諾NEC公司。即將到來的視頻分析提供的承諾將在諸如用於倉庫和工廠中的交通控制和工人安全之類的應用程序中提供更好的攝像機結果。
該公司不再依靠新一代的芯片技術，而是採用了一種基於軟件的方法，該方法通過先進的深度學習模型來提高對象檢測的速度。當應用於視頻流時，NEC聲稱Edge設備最多可以處理諸如人和汽車等物體的八倍，而無需犧牲檢測準確性。
例如，在智能城市應用程序中，NEC的技術將允許發現更多的汽車和交叉路口的人員，以改善交通控制，而無需在城市中的每個位置添加更昂貴的硬件。
芯片供應商一直在開發麵部和語音識別的尖端技術，以實現生物識別用例，從而使能夠以低功耗的性能增長。 NEC本身俱有投資在這樣的公司中，Edge AI芯片製造商Hailo。但是，從成本的角度來看，升級到新一代設備可能是不切實際的。例如，智能城市用例將要求安裝數千台新型攝像機。
NEC指出，在某些情況下，即使更強大的芯片也無濟於事。冷卻和電力消耗是一個問題，諸如GPU之類的強大處理器有時會使用更多的電力，並產生過多的熱量以至於無法放在小型相機外殼中。
NEC表示，它開發了一種“逐步”基於學習的對象檢測模型，該模型“可以從大量圖像中對受試者進行有效，高速和高精度檢測，即使在具有有限處理能力的邊緣設備中，並且可以實時同時處理來自多個相機的圖像。”
如何完成這聽起來很簡單，但涉及大量的研發時間。計算機視覺技術結合了對象檢測AI模型的使用，該模型是高速但大致精確的另一個模型，該模型高度準確，但需要更多的計算功率。困難的部分：對這兩種方法的使用進行微調。最後，NEC表示其方法可以有效地處理多個圖像，並導致高速，高精度檢測。
該公司聲稱，它已經測試的邊緣設備可以使用相同的可用計算容量處理新型號的最多八倍。除了車牌和汽車的示例外，該技術還將與包括人員在內的各種物體類型一起使用。 NEC說，速度提高發生在所有對像類型和處理方法中。此外，這些改進不僅限於使用特定的AI芯片，例如即將上市的Hailo產品。此功能很重要，因為製造商面臨芯片生產和供應面臨的全球挑戰。擁有生產中現有的芯片的能力通常意味著比全新的設計更低的成本和更好的供應可用性。
NEC表示，它將繼續完善其工作，並打算在2022年將其技術商業化。
文章主題
生物識別技術|邊緣生物識別技術|深度學習|邊緣AI|邊緣相機|邊緣計算|NEC|對象檢測|對象識別|人檢測|研發|視頻分析
