Hoe Edge Intelligence de Volgende Golf van Computer Vision Applicaties in 2019 Drijft

2018 markeerde een waterscheiding voor computer vision, met objectdetectie en gezichtsherkenning nauwkeurigheid die nieuwe hoogten bereikte. De proliferatie van deep-learning modellen – met name convolutionele en recurrente neurale netwerken – heeft krachtige, kant-en-klaar oplossingen geleverd. Deze vooruitgang heeft echter een prijs: de modellen groeien in grootte en computationele eis. Bijvoorbeeld, YOLOv3, een wijd gebruikte objectdetector, bevat nu 106 fully-convolutionele lagen – meer dan tweemaal de diepte van zijn voorganger – terwijl RetinaNet en SSD varianten op vergelijkbare wijze prestaties verbeterden ten koste van toegevoegde complexiteit.

Stap houden met nieuwe eisen

Naarmate camera-implementaties toenemen – met name in high-resolutie, live-stream scenario's – is er een urgente behoefte om geavanceerde vision algoritmes in real-time toe te passen. Traditionele passieve surveillantie volstaat niet meer; camera's moeten proactieve intelligentie leveren. Volledige-resolutie video naar de cloud streamen is prohibitief duur, bandbreedte-intensief en latentie-gevoelig. Integenstelling, racks van high-power servers on-premise deployen verbruikt waardevolle ruimte, elektriciteit en kapitaal, zeker bij schaling over meerdere locaties. De uitdaging is duidelijk: hoe kunnen we video van honderden camera's simultaan verwerken met beperkte middelen?

De oplossing: Video aan de Edge

Het antwoord ligt in edge computing. Door robuuste inferentiecapaciteiten direct in camera's te embedden of door compacte edge appliances te deployen tussen camera's en de cloud, kunnen workloads worden gedistribueerd over veel apparaten. Deze verschuiving wordt ondersteund door een groeiend ecosysteem van laagstroom, high-performance AI processoren. NVIDIA's Jetson serie levert real-time inferentie in embedded vorm, terwijl Intel's Myriad en Neural Compute Stick – producten van de Movidius overname – vergelijkbaar efficiënte oplossingen bieden. Nieuwe deelnemers als Mythic en Graphcore hebben honderden miljoenen in venture capital geworven, en industriereuzen Google en Amazon hebben hun eigen edge chips onthuld, wat het strategische belang van on-device intelligence benadrukt.

Wat er aankomt

Edge-gebaseerde vision zal een nieuwe generatie real-time inzichten ontgrendelen. Passieve videorecorders zullen evolueren naar actieve bewakers – kinderen detecteren die verdrinkingsgevaar lopen,wapens in de buurt van scholen vlaggen, beveiligde deuren automatisch openen, en productieafwijkingen identificeren. In retail zullen camera's shopperbewegingen in kaart brengen om stroom te optimaliseren en wachttijden te verminderen, terwijl veiligheidscompliance in fabrieken in real-time gemonitord wordt. Met meer dan een miljard camera's momenteel geïmplementeerd en nog een miljard op de horizon, is edge processing gedestineerd om elke camera werkelijk intelligent te maken.

Bedrijven als Kogniz leveren al video-intelligentie diensten die edge appliances benutten – standalone camera's en adapters voor bestaande IP units – wat on-demand, infrastructure-licht deployment over onbeperkte camera's en sites mogelijk maakt.

Jed Putterman fungeert als Co-CEO van Kogniz. Putterman heeft meerdere technologie-ventures opgericht, waaronder Snapcentric (overgenomen door VeriSign) en Allerez (overgenomen door Mercury Interactive Corporation). Hij begon zijn carrière bij Oracle Corporation en was consultant voor grote bedrijven als Sun Microsystems, SGI en Aspect Communications. Putterman is afgestudeerd aan UC Berkeley.