Por qué una ventaja más inteligente generará nuevas aplicaciones de visión por computadora en 2019

2018 ha sido testigo de grandes avances en las capacidades de visión por computadora. La precisión de la detección de objetos y el reconocimiento facial continúa mejorando, y la cantidad de opciones fácilmente disponibles basadas en tecnologías de aprendizaje profundo de vanguardia, incluidas las redes neuronales convolucionales y recurrentes, continúa aumentando. Las mejoras tienen un costo:un aumento en la complejidad y los requisitos de procesamiento de las tecnologías. YOLOV3, por ejemplo, un popular modelo de reconocimiento de objetos, tiene una arquitectura subyacente totalmente convolucional de 106 capas, más del doble de la versión anterior. Otros modelos, como las variantes RetinaNet y SSD, también están mostrando grandes avances en precisión, pero nuevamente a costa de una mayor complejidad y un rendimiento reducido.

Mantenerse al día con las nuevas demandas

Si bien aumentan la complejidad y los requisitos computacionales de la tecnología avanzada de visión por computadora, existe una demanda para aplicar estas tecnologías contra un número creciente de transmisiones de video en vivo de alta resolución. El número de cámaras de videovigilancia está aumentando a un ritmo espectacular, junto con la expectativa de que proporcionen inteligencia proactiva. Un sistema de video pasivo ya no es suficiente. Las cámaras, simplemente, deben ser mucho más inteligentes.

La realidad de implementar tecnologías avanzadas de aprendizaje automático requiere una nueva forma de pensar sobre las implementaciones. La transmisión de video de resolución completa a la nube para su procesamiento es prohibitivamente costosa, requiere demasiado ancho de banda e introduce una alta latencia. Colocar una gran cantidad de servidores de alta potencia en el sitio tiene sus propios problemas, que requieren grandes cantidades de espacio y energía valiosos, y puede tener un costo prohibitivo cuando se intenta implementar en una gran cantidad de cámaras. Tampoco aborda la realidad de lidiar con entornos de ubicaciones múltiples que se vuelven cada vez más importantes para hacer uso de los datos. Procesar video en vivo de 1 o 2 cámaras es una cosa. Procesar video de cientos de cámaras en tiempo real en una o más ubicaciones, a menudo con recursos disponibles limitados, requiere que pensemos de manera completamente diferente.

La solución:video en el borde

La respuesta está al borde. Poner la inteligencia en el borde permite que la carga de trabajo se distribuya en muchos dispositivos. Esto puede significar incorporar capacidades de procesamiento más sólidas en la propia cámara o agregar dispositivos de borde altamente eficientes que se ubican entre las cámaras y la nube. Para habilitar este procesamiento de borde, las empresas están comenzando a lanzar procesadores de inteligencia artificial especializados rápidos y energéticamente eficientes. Nvidia ha lanzado varios módulos en su serie Jetson para realizar inferencias en tiempo real en dispositivos integrados e Intel, a través de la adquisición de Movidius, ofrece sus procesadores de la serie Myriad y su dispositivo de cómputo neuronal. En los últimos años, también se ha visto una gran cantidad de fondos de inversores destinados a una nueva generación de empresas de chips que ofrecen capacidades de procesamiento de aprendizaje profundo de alto rendimiento y bajo costo. Empresas como Mythic, Graphcore y otras han recibido cientos de millones de dólares en fondos de riesgo. Recientemente, incluso Google y Amazon anunciaron sus propios chips de procesamiento de bordes. Este es un reconocimiento asombroso por parte de dos empresas en la nube de puro juego sobre la importancia del procesamiento del aprendizaje automático en el borde.

Qué está por venir

El procesamiento basado en el borde permitirá un tipo completamente nuevo de inteligencia en tiempo real. Lo que actualmente son grabadoras de video pasivas pronto estarán observando a los niños en riesgo de ahogarse en una piscina, detectando armas cerca de una escuela o abriendo puertas para los empleados sin llave. Buscarán defectos en las líneas de fabricación, encontrarán trabajadores que no estén usando equipo de seguridad y aprenderán cómo se mueven las personas en un entorno minorista para optimizar el flujo y reducir los tiempos de espera. Las cámaras finalmente proporcionarán datos procesables en tiempo real. Veremos grandes mejoras en nuestra capacidad para aumentar la seguridad, la confiabilidad de la fabricación, la satisfacción y la seguridad del comprador en la tienda.

Con más de mil millones de cámaras en implementación y las próximas mil millones listas para implementarse, el procesamiento de borde ofrece el potencial para finalmente hacerlas inteligentes.

Las empresas ya pueden encontrar proveedores de servicios de inteligencia de video como Kogniz capaces de proporcionar capacidades que pueden identificar personas y patrones en tiempo real. Con el enfoque de Kogniz, el servicio aprovecha los dispositivos basados ​​en el borde, incluidas las cámaras independientes y los adaptadores para las cámaras IP existentes, lo que permite la implementación bajo demanda con una infraestructura mínima. La solución Kogniz funciona con un número ilimitado de cámaras y en cualquier número de ubicaciones.

Jed Putterman se desempeña como Co-CEO de Kogniz. El Sr. Putterman ha iniciado varias empresas de tecnología, incluidas Snapcentric, adquirida por VeriSign, y Allerez, adquirida por Mercury Interactive Corporation. El Sr. Putterman comenzó su carrera en Oracle Corporation y pasó muchos años como consultor para grandes empresas, incluidas Sun Microsystems, SGI y Aspect Communications. Se graduó de la Universidad de California, Berkeley.