Встраиваемое компьютерное зрение и основы TinyML

Компьютерное зрение больше не ограничивается мощными облачными серверами и высокопроизводительными компьютерами. С ростом встроенного машинного обучения теперь можно запускать интеллектуальные модели распознавания изображений непосредственно на небольших микроконтроллерах с низким потреблением энергии. Этот курс поможет вам освоить процесс разработки, обучения и развертывания компактных моделей машинного обучения на оборудовании с ограниченными ресурсами, превращая простые камеры в интеллектуальные датчики. Что вы узнаете: - Понять основные концепции цифровой обработки изображений и то, как алгоритмы компьютерного зрения интерпретируют визуальные данные. - Изучите основы встроенного машинного обучения (TinyML) и как нейронные сети оптимизированы для микроконтроллеров. - Подготовка и курирование пользовательских наборов данных изображений, применение современных методов увеличения данных для повышения точности модели. - Обучение моделей классификации изображений и обнаружения объектов с использованием Edge Impulse и их оптимизация с помощью квантования. - Развертывание обученных моделей на встроенных платформах, таких как OpenMV, для выполнения визуальных выводов в реальном времени на маломощном оборудовании. - Анализ производительности модели, задержки и использования памяти для обеспечения эффективного выполнения на устройстве. Вы начнете с овладения фундаментальной теорией цифровых изображений и нейронных сетей, а затем пройдете пошаговый процесс создания набора данных, обучения модели, оптимизации и развертывания оборудования. Этот курс предназначен для начинающих, интересующихся аппаратным обеспечением, Интернетом вещей и искусственным интеллектом, и не требует предыдущего опыта работы с машинным обучением или встроенными системами. Начните читать сегодня, чтобы преодолеть разрыв между аппаратным обеспечением и искусственным интеллектом.