Das neuronale Netzwerk von Xailient verbraucht 250 Mal weniger Energie (nur 280 Mikrojoule) als herkömmliche eingebettete Lösungen und arbeitet mit 12 Millisekunden (ms) pro Inferenz in Echtzeit und ist schneller als die effizienteste verfügbare Lösung zur Gesichtserkennung am Edge.
Akkubetriebene KI-Systeme mit Gesichtserkennung, wie z. B. Heimkameras, intelligente Sicherheitskameras für den industriellen Einsatz und Lösungen für den Einzelhandel, benötigen eine energiesparende Lösung für maximale Laufzeiten. Der Mikrocontroller von Maxim Integrated in Kombination mit dem neuronalen Netzwerk von Xailient unterstützt nicht nur eigenständige Anwendungen, sondern verbessert auch die Energieeffizienz und Akkulaufzeit hybrider Edge-/Cloud-Anwendungen. Diese nutzen einen energiesparenden „Zuhörmodus“, der komplexere Systeme aktiviert, sobald ein Gesicht erkannt wird.
Das neuronale Netzwerk Detectum™ von Xailient nutzt Fokus-, Zoom- und visuelle Aktivierungstechnologien, um Gesichter in Videos und Bildern bis zu 76-mal schneller als herkömmliche Softwarelösungen zu erkennen und zu lokalisieren – bei vergleichbarer oder sogar höherer Genauigkeit. Darüber hinaus lässt sich das flexible Netzwerk auf Anwendungen jenseits der Gesichtserkennung erweitern, beispielsweise auf die Bestandsverwaltung und -überwachung von Nutztieren, die Erfassung von Parkplatzbelegungen, die Bestandsüberwachung und vieles mehr.
Wichtigste Vorteile
– Längere Akkulaufzeit/Höhere Energieeffizienz: Das neuronale Netzwerk von Xailient optimiert die Recheneffizienz und bietet flexible Energiesparmodi auf dem MAX78000-Mikrocontroller von Maxim Integrated. Dadurch verlängern diese Produkte die Laufzeit von hybriden Edge-/Cloud-Anwendungen mit Knopfzellenbatterien um viele Jahre.
– Schnellere Inferenz für höhere Genauigkeit: Geschwindigkeit ist ein entscheidender Faktor für KI, da schnellere Inferenz Echtzeitreaktionen oder die schnelle Mittelwertbildung mehrerer Inferenzvorgänge ermöglicht und so die Genauigkeit verbessert. Die Gesichtserkennung in einem Bild in nur 12 ms bietet diese Flexibilität zwischen Reaktionszeit und Genauigkeit.
