20-02-2018 20:17:49

Den 18. april 2018 sætter vi fokus på mulighederne i embeddede teknologier. Tilmeld dig i dag og bliv fyldt med inspiration og ny faglig viden.

Fra sensorer og Pixels til machine Learning og Artificial Intelligence ?

Taler: Thomas Jakobsen, adm. direktør og medstifter, Grazper
21. okt. 2016 Af: Embedded Everywhere
Fra sensorer og Pixels til machine Learning og Artificial Intelligence ?

Kameraer, mikrofoner og mere avancerede sensorer som f.eks. single-chip radar og lidar bliver stadig mere kraftfulde, mindre og ikke mindst billigere. De er nu en naturlig del af mange embeddede systemer og befinder sig i alt fra mobiltelefoner og dørtelefoner til droner og selvkørende biler. Sensorerne leverer alle store mængder data i realtid og giver en inputmodus, der har stor fleksibilitet og styrke.

Men hvordan omdanner man den store mængde data til brugbar information, som kan benyttes til at træffe intelligente beslutninger i realtid? Hvordan genkender man objekter, personer og situationer, så der kan reageres  korrekt og specifikt? Og hvordan implementerer man de beregningstunge algoritmer, så de kan håndtere den store båndbredde og det hyppige krav til lav latency? Klassisk computer vision og signalanalyse er ikke tilstrækkeligt, hvis nøjagtigheden og fleksibiliteten skal helt i top.

Med kameraet som udgangspunkt handler indlægget om, hvordan deep learning implementeret på f.eks. GPU kan hjælpe med at omdanne den store mængde rå pixels til direkte brugbar information. Metoderne har fundet brug indenfor vidt forskellige områder som f.eks. overvågning, ansigtsgenkendelse og fodgængerdetektering i selvkørende biler, men kan også bruges i forbindelse med andre sensorer til talegenkendelse, sensor fusion, diagnostisering, realtids data analytics m.m.

Thomas Jakobsen, adm. direktør og medstifter, Grazper

Thomas Jakobsen er adm. direktør og medstifter af Grazper, et startup, som udvikler A.I.- og machine learning-teknologier til bl.a. computer vision og IoT. Thomas er civilingeniør fra DTU og ph.d. i matematik og opererer som regel i krydsfeltet mellem matematik og IT. Han har tidligere arbejdet med beregningstunge opgaver indenfor bl.a. billedgenkendelse, 3D computergrafik, interaktiv fysisk-baseret simulering, 3D scanning, algoritmiske handelssystemer og kryptoanalyse.

Se præsentation

luk
close