On-Device AI2 Cloud AI & On-Device AI - Edge Impulse 기계 학습 Raspberry Pi 와 같은 Device의 성능과 S/W의 발전, 그리고 Edge 단의 데이타와 활용 범위의 증가는 Cloud 서버에서의 데이타 수집과 AI 처리에 필연적으로 한계를 가져올수 밖에 없다. 따라서 다양한 On-Device AI 기술이 Edge 단에서 개발되고 있다. ㅇ IoT gets a machine learning boost, from edge to cloud Raspberry Pi와 Microsoft Azure IoT Hub 간 의 통합 - Microsoft의 Azure IoT와 같은 모든 클라우드에서 Edge Impulse 기계 학습을 쉽게 실행할 수 있습니다. Edge Impulse의 기술 담당인 Evan Rust가 이에 대해 설명합니다. https://www.raspberry.. 2021. 8. 23. Cloud AI & On-Device AI ㅇ Cloud AI에서 On-Device AI로의 이동은 주요 트렌드이지만, 상호 보완성을 위해 Hybrid-AI 가 필요하다. - On-Device AI와 set을 구성할수 있는 Hybrid-Platform 필요 (On-Device AI 장점: 프라이버시(정보유출), 네트워크 단절, 연산량 부하, 저전력/저비용 .....) (Hybrid-AI 장점: ODAI + 대용량 처리와 데이타/로직 공유 가능) - CCTV, Sensor 측정기기, 로봇청소기, 세탁기 등 디바이스에서 AI 연산을 자체 처리 - 예)노타: "실시간 얼굴∙손동작 인식 모델을 경량화한 온디바이스 솔루션" "출입문 제어를 위한 얼굴 인증, 차량 운전자 인식 등에 유용" "DL 경량화 플랫폼: 넷츠프레소(NetsPresso)" ㅇ Tiny.. 2020. 12. 3. 이전 1 다음
