พื้นฐานของ Embedded Computer Vision และ TinyML

Computer vision ไม่ได้จำกัดอยู่แค่เซิร์ฟเวอร์คลาวด์ที่ทรงพลังและคอมพิวเตอร์ระดับสูงอีกต่อไป ด้วยการเติบโตของ embedded machine learning คุณสามารถเรียกใช้โมเดลการรู้จำภาพอัจฉริยะได้โดยตรงบนไมโครคอนโทรลเลอร์ขนาดเล็กที่ใช้พลังงานต่ำ หลักสูตรนี้จะแนะนำคุณตลอดกระบวนการออกแบบ ฝึกฝน และปรับใช้โมเดลแมชชีนเลิร์นนิงขนาดกะทัดรัดกับฮาร์ดแวร์ที่มีข้อจำกัดด้านทรัพยากร เปลี่ยนกล้องธรรมดาให้เป็นเซ็นเซอร์อัจฉริยะ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดหลักของการประมวลผลภาพดิจิทัล และวิธีที่อัลกอริทึม Computer vision ตีความข้อมูลภาพ - สำรวจพื้นฐานของ embedded machine learning (TinyML) และวิธีที่โครงข่ายประสาทเทียม (neural networks) ได้รับการปรับให้เหมาะสมสำหรับไมโครคอนโทรลเลอร์ - เตรียมและจัดการชุดข้อมูลภาพที่กำหนดเอง โดยใช้เทคนิค data augmentation สมัยใหม่เพื่อปรับปรุงความแม่นยำของโมเดล - ฝึกฝนโมเดลการจำแนกภาพ (image classification) และการตรวจจับวัตถุ (object detection) โดยใช้ Edge Impulse และปรับให้เหมาะสมโดยใช้ quantization - ปรับใช้โมเดลที่ผ่านการฝึกฝนแล้วไปยังแพลตฟอร์ม embedded เช่น OpenMV เพื่อดำเนินการอนุมานภาพแบบเรียลไทม์บนฮาร์ดแวร์ที่ใช้พลังงานต่ำ - วิเคราะห์ประสิทธิภาพของโมเดล, latency, และการใช้หน่วยความจำ เพื่อให้แน่ใจว่าการดำเนินการบนอุปกรณ์มีประสิทธิภาพ คุณจะเริ่มต้นด้วยการทำความเข้าใจทฤษฎีพื้นฐานของภาพดิจิทัลและโครงข่ายประสาทเทียม ก่อนที่จะดำเนินการทีละขั้นตอนผ่านการสร้างชุดข้อมูล การฝึกฝนโมเดล การปรับให้เหมาะสม และการปรับใช้ฮาร์ดแวร์ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่สนใจใน hardware, IoT, และ artificial intelligence โดยไม่จำเป็นต้องมีประสบการณ์มาก่อนในด้าน machine learning หรือ embedded systems เริ่มเรียนรู้ตั้งแต่วันนี้เพื่อเชื่อมช่องว่างระหว่าง hardware และ artificial intelligence