En son AI projemiz “EdgeLab”ı duyurmaktan büyük heyecan duyuyoruz; bu projenin AI’ye girişin daha kolay ve hızlı olmasını sağlayacağına inanıyoruz!
EdgeLab, gömülü AI’ye odaklanan açık kaynak bir projedir. Gerçek dünya senaryoları için OpenMMLab’daki en iyi algoritmaları optimize ediyor ve bunları gömülü donanımda daha hızlı ve daha doğru çalıştırıyoruz.
Neden Edgelab?
ChatGPT ve DALL-E gibi platformların ortaya çıkması, AI’nın gücünü hissetmemizi sağladı ve gelecekte AI, gezegenimizin her alanında yer alacak. Şu anda, dünyanın AI’sının %80’i hâlâ sunucu tarafında çalışıyor ve bu, “Temel Modeller”a dayanmaktadır. Sadece birkaç son cihaz ve endüstri, yüz tanıma, sesle uyanma ve diğer uygulamalar gibi AI çalıştırmayı destekliyor. Birçok analist, AI’nın yaygın kullanım için olgunlaşmayacağını 2050 yılına kadar düşünüyor. Bu süreci hızlandırmak istiyoruz, böylece AI, Maker’lar, endüstriyel IoT cihazları ve doğada dağıtılan donanımlar için erişilebilir hale gelecek.
OpenMMLab, sınıflandırma, nesne tespiti, segmentasyon, poz tahmini gibi birçok yönü kapsayan 15 algoritma kütüphanesine sahiptir. 250’den fazla algoritma uygulaması bulunmaktadır, ancak günümüzdeki çoğu algoritma gibi, bu algoritmaların çok azı gerçek ürünlerde uygulanabilir veya yüksek performanslı GPU’larla sınırlıdır. OpenMMLab’a dayalı olarak, EdgeLab, donanım performansına uygun algoritmaları seçer ve algoritma uygulamasını gerekli senaryolara göre optimize eder, böylece algoritmalar daha hızlı, daha az enerji tüketimiyle ve daha doğru bir şekilde cihazlarda çalışabilir.
Neler Dahil
Seeed, uzun yıllardır IoT alanında derinlemesine yer almaktadır, özellikle düşük enerji tüketimi ile uzun menzilli çevresel izleme için IoT çözümleri sunmaktadır. Büyük ölçekli dağıtım ihtiyacı nedeniyle, bu çözümlerin donanım maliyeti genellikle 10 doları geçmemektedir. Ayrıca, çevresel ve veri analizi alanında alınan verilerin %99’unun değer üretmediğini ve endüstrinin yeni teknolojiler arayışında olduğunu bulduk. Geçmiş deneyimlerimize dayanarak, EdgeLab esas olarak aşağıdaki algoritma yönlerini içerecektir.
Anomali Tespiti
Gerçek dünyada, anormal verileri tanımlamak genellikle zordur ve tanımlanabilse bile çok yüksek maliyet gerektirir. Anomali tespit algoritması, normal verileri düşük maliyetle toplar ve normal verilerin dışındaki her şeyi anormal olarak kabul eder. (yakında)
Bilgisayarla Görme
Burada nesne tespiti, görüntü sınıflandırma, görüntü segmentasyonu ve poz tahmini gibi birçok bilgisayarla görme algoritması sunuyoruz. Ancak, bu algoritmalar düşük maliyetli donanımda çalışamaz. EdgeLab, bu bilgisayarla görme algoritmalarını optimize ederek düşük maliyetli cihazlarda iyi çalışma hızı ve doğruluk elde etmeyi amaçlamaktadır.
Ayrık Sınıflandırma
Ses ve görsel dışında, gerçek dünyadaki verilerin çoğu ayrık olup, veriler yalnızca sınıflandırma sonrasında sonuç üretebilir.
Senaryo Özel
Özel senaryolar, analog sayaçların, geleneksel dijital sayaçların tanınması ve ses sınıflandırması gibi.
Özellikler
Kullanıcı dostu
EdgeLab, kullanıcıların toplanan veriler üzerinde kolayca eğitim yapmalarını sağlayan kullanıcı dostu bir platform sunar ve eğitim süreci sırasında üretilen görselleştirmeler aracılığıyla algoritmaların performansını daha iyi anlamalarına yardımcı olur.
Düşük hesaplama gücüne sahip ve yüksek performanslı modeller
EdgeLab, son taraf AI algoritma araştırmasına odaklanır ve algoritma modelleri, ESP32, bazı Arduino geliştirme kartları ve hatta Raspberry Pi gibi gömülü SBC’lerde dağıtılabilir.
Model dışa aktarma için birden fazla formatı destekler
Şu anda, TensorFlow Lite esas olarak mikrodenetleyicilerde kullanılmakta, ONNX ise gömülü Linux’a sahip cihazlarda kullanılmaktadır. TensorRT, OpenVINO gibi bazı özel formatlar, OpenMMlab tarafından iyi bir şekilde desteklenmektedir. EdgeLab, mikrodenetleyiciler için TFLite model dışa aktarma eklemiştir; bu, doğrudan uf2 formatına dönüştürülebilir ve dağıtım için cihaza sürükleyip bırakılabilir.