Свържете се с нас

Съдържание и теми, включени в курса

Въведение в Edge AI за компютърно зрение

  • Преглед на Edge AI и неговите предимства
  • Сравнение: Cloud AI срещу Edge AI
  • Ключови предизвикателства при обработката на изображения в реално време

Внедряване на модели за дълбоко обучение на крайни устройства

  • Въведение в TensorFlow Lite и OpenVINO
  • Оптимизиране и квантуване на модели за крайно внедряване
  • Казус: Изпълнение на YOLOv8 на крайно устройство

Хардуерно ускорение за изводи в реално време

  • Преглед на хардуер за крайни изчисления (Jetson, Coral, FPGA)
  • Използване на GPU и TPU ускорение
  • Бенчмаркинг и оценка на производителността

Откриване и проследяване на обекти в реално време

  • Внедряване на откриване на обекти с YOLO модели
  • Проследяване на движещи се обекти в реално време
  • Подобряване на точността на откриване чрез сензорно сливане

Техники за оптимизация за Edge AI

  • Намаляване на размера на модела чрез прунинг и квантуване
  • Техники за намаляване на латентността и консумацията на енергия
  • Преобучение и фина настройка на Edge AI модел

Интегриране на Edge AI с IoT системи

  • Внедряване на AI модели на смарт камери и IoT устройства
  • Edge AI и вземане на решения в реално време
  • Комуникация между крайни устройства и облачни системи

Съображения за сигурност и етика в Edge AI

  • Загриженост за поверителността на данните в приложенията на Edge AI
  • Осигуряване на сигурност на модела срещу атаки чрез противопоставяне
  • Съответствие с AI регулациите и етичните принципи за AI

Обобщение и следващи стъпки

Изисквания

  • Запознатост с концепциите за компютърно зрение
  • Опит с Python и рамки за дълбоко обучение
  • Основни познания за крайни изчисления и IoT устройства

Аудитория

  • Инженери по компютърно зрение
  • AI разработчици
  • IoT професионалисти
 21 Часа

Брой участници


Цена за участник

Отзиви от участници (1)

Предстоящи Курсове

Свързани Kатегории