Wbudowana wizja komputerowa i podstawy TinyML

Wizja komputerowa nie jest już ograniczona do potężnych serwerów w chmurze i komputerów wysokiej klasy.Wraz z rozwojem wbudowanego uczenia maszynowego można teraz uruchamiać inteligentne modele rozpoznawania obrazu bezpośrednio na małych, energooszczędnych mikrokontrolerach. Ten kurs przeprowadzi Cię przez proces projektowania, szkolenia i wdrażania kompaktowych modeli uczenia maszynowego do sprzętu o ograniczonych zasobach, zamieniając proste kamery w inteligentne czujniki. Czego się nauczysz: - Zrozum podstawowe pojęcia cyfrowego przetwarzania obrazu i sposób, w jaki algorytmy widzenia komputerowego interpretują dane wizualne. - Poznaj podstawy wbudowanego uczenia maszynowego (TinyML) i jak sieci neuronowe są zoptymalizowane dla mikrokontrolerów. - Przygotuj i zarządzaj niestandardowymi zestawami danych obrazów, stosując nowoczesne techniki poprawy danych w celu poprawienia dokładności modelu. - Trenuj klasyfikację obrazu i modele wykrywania obiektów za pomocą Edge Impulse i optymalizuj je za pomoca kwantyzacji. - Wdrażaj wyszkolone modele na platformach wbudowanych, takich jak OpenMV, aby wykonywać wizualne wnioskowanie w czasie rzeczywistym na sprzęcie o niskiej mocy. - Analizuj wydajność modelu, opóźnienie i zużycie pamięci, aby zapewnić wydajne wykonanie na urządzeniu. Zaczniesz od opanowania podstawowej teorii obrazów cyfrowych i sieci neuronowych, zanim przejdziesz krok po kroku przez tworzenie zestawu danych, szkolenie modelu, optymalizację i wdrażanie sprzętu. Ten kurs jest przeznaczony dla początkujących zainteresowanych sprzętem, IoT i sztuczną inteligencją, nie wymagający wcześniejszego doświadczenia z uczeniem maszynowym lub systemami wbudowanymi. Zacznij czytać już dziś, aby wypełnić lukę między sprzętem a sztuczną inteligencją.