Por que uma vantagem mais inteligente gerará novos aplicativos de visão computacional em 2019

2018 viu grandes avanços nos recursos de visão computacional. A precisão da detecção de objetos e do reconhecimento facial continua a melhorar, e o número de opções prontamente disponíveis com base em tecnologias de aprendizado profundo de última geração, incluindo redes neurais convolucionais e recorrentes, continua a aumentar. As melhorias têm um custo - um aumento na complexidade e nos requisitos de processamento das tecnologias. YOLOV3, por exemplo, um modelo de reconhecimento de objeto popular, tem uma arquitetura subjacente totalmente convolucional de 106 camadas, mais do que o dobro da versão anterior. Outros modelos, como RetinaNet e variantes de SSD também estão mostrando grandes avanços em precisão, mas novamente ao custo de maior complexidade e desempenho reduzido.

Acompanhando as novas demandas

Embora a complexidade e os requisitos computacionais da tecnologia avançada de visão por computador aumentem, há uma demanda para a aplicação dessas tecnologias contra um número crescente de fluxos de vídeo ao vivo de alta resolução. O número de câmeras de vigilância por vídeo está aumentando em uma taxa dramática, junto com a expectativa de que forneçam inteligência proativa. Um sistema de vídeo passivo não é mais suficiente. As câmeras, simplesmente, precisam ser muito mais inteligentes.

A realidade de lançar tecnologias avançadas de aprendizado de máquina exige uma nova maneira de pensar sobre as implementações. O streaming de vídeo de resolução total para a nuvem para processamento é proibitivamente caro, requer muita largura de banda e apresenta alta latência. Colocar um grande número de servidores de alta potência no local tem seus próprios conjuntos de problemas, exigindo grandes quantidades de espaço e energia preciosos, e pode ter um custo proibitivo ao tentar instalar em um grande número de câmeras. Também não aborda as realidades de lidar com ambientes de vários locais que se tornam cada vez mais importantes para fazer uso dos dados. Processar vídeo ao vivo de 1 ou 2 câmeras é uma coisa. O processamento de vídeo de centenas de câmeras em tempo real em um ou mais locais, geralmente com recursos disponíveis limitados, exige que pensemos de forma totalmente diferente.

A solução:vídeo no limite

A resposta está no limite. Colocar a inteligência no limite permite que a carga de trabalho seja distribuída em muitos dispositivos. Isso pode significar incorporar recursos de processamento mais fortes à própria câmera ou adicionar dispositivos de ponta altamente eficientes que ficam entre as câmeras e a nuvem. Para permitir isso, as empresas de processamento de ponta estão começando a lançar processadores de IA especializados com eficiência energética e rapidez. A Nvidia lançou vários módulos em sua série Jetson para realizar inferência em tempo real em dispositivos embarcados e a Intel, por meio da aquisição da Movidius, oferece seus processadores da série Myriad e stick de computação neural. Nos últimos anos, uma grande quantidade de fundos de investidores foi destinada a uma nova geração de empresas de chips que oferecem recursos de processamento de aprendizagem profunda de baixo custo e alto desempenho. Empresas como Mythic, Graphcore e outras receberam centenas de milhões de dólares em financiamento de risco. Recentemente, até o Google e a Amazon anunciaram seus próprios chips de processamento de ponta. Este é um reconhecimento surpreendente por duas empresas de nuvem puras da importância do aprendizado de máquina de processamento no limite.

O que está por vir

O processamento baseado em borda permitirá um tipo inteiramente novo de inteligência em tempo real. O que atualmente são gravadores de vídeo passivos em breve estarão disponíveis para crianças em risco de afogamento em uma piscina, detectando armas perto de uma escola ou abrindo portas para funcionários sem chave. Eles procurarão defeitos nas linhas de fabricação, encontrarão trabalhadores que não estão usando equipamentos de segurança e aprenderão como as pessoas se movem em um ambiente de varejo para otimizar o fluxo e reduzir os tempos de espera. As câmeras finalmente fornecerão dados acionáveis ​​em tempo real. Veremos grandes melhorias em nossa capacidade de aumentar a segurança, a confiabilidade da fabricação, a satisfação e a segurança do cliente na loja.

Com mais de 1 bilhão de câmeras em implantação e o próximo bilhão pronto para ser implantado, o processamento de borda oferece o potencial para finalmente torná-los inteligentes.

As empresas já podem encontrar provedores de serviços de inteligência em vídeo, como a Kogniz, capazes de fornecer recursos que podem identificar pessoas e padrões em tempo real. Com a abordagem Kogniz, o serviço alavanca dispositivos baseados em borda, incluindo câmeras autônomas e adaptadores para câmeras IP existentes, permitindo implantação sob demanda com infraestrutura mínima. A solução Kogniz funciona com um número ilimitado de câmeras e em qualquer número de locais.

---

Jed Putterman atua como co-CEO da Kogniz. O Sr. Putterman fundou várias empresas de tecnologia, incluindo Snapcentric, adquirida pela VeriSign, e Allerez, adquirida pela Mercury Interactive Corporation. O Sr. Putterman começou sua carreira na Oracle Corporation e passou muitos anos como consultor para grandes empresas, incluindo Sun Microsystems, SGI e Aspect Communications. Ele se formou na Universidade da Califórnia, Berkeley.