Fondamentaux de la vision par ordinateur embarquée et de TinyML

La vision par ordinateur n'est plus limitée aux serveurs cloud puissants et aux ordinateurs haut de gamme. Avec l'essor de l'apprentissage automatique embarqué, vous pouvez désormais exécuter des modèles intelligents de reconnaissance d'images directement sur de petits microcontrôleurs à faible consommation. Ce cours vous guide à travers le processus de conception, de formation et de déploiement de modèles d'apprentissage automatique compacts sur du matériel aux ressources limitées, transformant de simples caméras en capteurs intelligents. Ce que vous apprendrez : - Comprendre les concepts fondamentaux du traitement d'images numériques et la manière dont les algorithmes de vision par ordinateur interprètent les données visuelles. - Explorer les fondamentaux de l'apprentissage automatique embarqué (TinyML) et comment les réseaux neuronaux sont optimisés pour les microcontrôleurs. - Préparer et organiser des ensembles de données d'images personnalisés, en appliquant des techniques modernes d'augmentation de données pour améliorer la précision du modèle. - Entraîner des modèles de classification d'images et de détection d'objets à l'aide d'Edge Impulse et les optimiser à l'aide de la quantification. - Déployer des modèles entraînés sur des plateformes embarquées comme OpenMV pour effectuer une inférence visuelle en temps réel sur du matériel à faible consommation. - Analyser les performances, la latence et l'utilisation de la mémoire du modèle pour garantir une exécution efficace sur l'appareil. Vous commencerez par maîtriser la théorie fondamentale des images numériques et des réseaux neuronaux avant de passer étape par étape à la création d'ensembles de données, à l'entraînement du modèle, à l'optimisation et au déploiement matériel. Ce cours est conçu pour les débutants intéressés par le matériel, l'IoT et l'intelligence artificielle, ne nécessitant aucune expérience préalable en apprentissage automatique ou en systèmes embarqués. Commencez à lire aujourd'hui pour combler le fossé entre le matériel et l'intelligence artificielle.