Effiziente KI-Plattform zur Bildverarbeitung
Für die Auswertung von Videoströmen mittels Künstlicher Intelligenz (KI) ist normalerweise eine extrem leistungsfähige Hardware nötig, die entsprechend viel Energie verschlingt. Doch Mutter Natur erweist sich auch auf diesem Gebiet als ausgezeichnete Lehrmeisterin. Erkenntnisse der Hirnforschung, die inzwischen die Verarbeitung von räumlichen Sehen, Objekterkennung und Bewegungsidentifikation in der Großhirnrinde entschlüsselt hat, weisen den Weg zu einer hocheffizienten Bildverarbeitung. Die Nachbildung dieser Prozesse auf Basis neuronaler Netze führte zum „SlowFast“-Modell.
Im Rahmen einer Forschungsarbeit hat man bei EDAG die Implementierung dieses KI-Modells analysiert und dabei wertvolle Erkenntnisse für den praktischen Einsatz gewonnen. Diese tragen dazu bei, den Einfluss unterschiedlicher Faktoren auf die Performance der Bilderkennung besser zu verstehen, und ermöglichen daher, entsprechende neuronale Netze gezielt zu optimieren. Die Ergebnisse besitzen Gültigkeit nicht nur für die verwendete Plattform, sondern können auch zur Verbesserung unterschiedlicher CNN-Architekturen, also Convolutional Neuronal Networks, angewendet werden.
Branchenübergreifende Einsatzmöglichkeiten
Die SlowFast-Architektur überzeugt nicht nur technisch, sondern auch in der Praxis – mit vielseitigen Anwendungen:
- Medical: Bewegungsanalyse für Sturzprävention, Patientenüberwachung und Operationssaal.
- Rail: Echtzeit-Erkennung zur Unfallvermeidung auf Bahnsteigen und in Wartungsbereichen.
- Industrie: Sichere Mensch-Roboter-Kollaboration und Fertigungskontrolle.
- Defence: Autonome Rettungssysteme zur Erkennung verletzter Personen im Einsatz.
- Einzelhandel: Diskrete Diebstahlprävention und Kundenverhaltensanalyse.
- Bauwesen: Sicherheitsüberwachung und Schutzmaßnahmen auf Baustellen.
Laden Sie sich jetzt unser Whitepaper „Effiziente Bildverarbeitung mittels KI“ herunter, in dem die Details der Forschungsarbeit beschrieben sind.