Erkennung von Fußgängern an Bord eines mobilen Fahrzeugs durch maschinelles Lernen
(…)
Als es Ende 2018 von einem französischen Metallurgen kontaktiert wurde, der Kameras zur Fußgängererkennung auf seinen mobilen Maschinen installieren wollte, entschied sich das französische Start-up Yumain für maschinelle Lernalgorithmen auf Basis von Spike, einem künstlichen neuronalen Netzwerk, das weniger Analyse erfordert als Deep Learning. “Ein Bildverarbeitungssystem, das auf Deep Learning basiert, führt eine vollständige Analyse des Bildes durch: wenn Sie eine Million Pixel haben, wird es jedes einzelne davon verarbeiten“, sagt Marc Benoit, Direktor von Yumain. “Bei Spike analysiert der Algorithmus nur die Elemente, die sich entwickeln, also die Bewegung im Bild.” Nach einem sechsmonatigen Test an einem Pilotstandort, dann drei, ist der Metallurge “dabei, die Box in allen Fabriken von Yumain einzusetzen“, fügt der CEO hinzu.
(…)
Wenn die Erkennungsboxen ihre Kunden zu überzeugen scheinen, haben die beiden Start-ups nicht aufgegeben, in naher Zukunft eingebettetes Deep Learning zu integrieren. Marc Benoit setzt dabei vor allem auf die Fortschritte in der Mikroelektronik.
“Die Teams von Yumain entwickeln zusammen mit dem CEA einen eigenen Asic, einen hyperspezialisierten Chip, auf dem wir unsere eigenen neuronalen Netzwerke einbetten können.” (…) “Der Heilige Gral“, so träumt Marc Benoit, “wäre ein Ultra-Low-Power-Asic, der weniger als 1 Nanowatt verbrauchen würde, verglichen mit 3 bis 5 Watt für den Asic, an dem wir arbeiten, und 15 Watt für unsere aktuellen GPUs“.