Soluciones de Deep Learning de Intel® para la visión artificial
El conjunto de herramientas principal es Intel® Distribution for OpenVINO™
OpenVINO soluciones de Deep Learning de Intel® para la visión artificial
Intel® nos ofrece desarrollar aplicaciones de Visión Artificial, que vayan desde la nube hasta el Edge-computing, y aplicando paralelismo.
La primera impresión es que juntar todos estos factores va a requerir una cantidad de conocimientos inabarcable. Y, sin embargo, la realidad es muy diferente. Repasando qué herramientas de software y hardware pone a nuestro alcance, y desentrañando unos cuantos conceptos, encontramos que la oferta de Intel® es muy real y está diseñada para toda la comunidad de desarrolladores.
El conjunto de herramientas principal es Intel® Distribution for OpenVINO™. Con él podemos desarrollar soluciones que emulan la visión humana, y está basado en redes neuronales convulucionales (CNN). Este tipo de redes neuronales intentan imitar el funcionamiento de las neuronas de la corteza visual, lo que significa que cada parte de la red se entrena para realizar una tarea, reduciendo el número de capas, por lo que son más efectivas en el reconocimiento de imágenes, porque su entrenamiento para reconocer formas simples es más rápido, y su capacidad para clasificar y segmentar imágenes, muy potente.
Intel® proporciona modelos ya entrenados de visión artificial sobre algunos de los frameworks más populares como son Caffe o TensorFlow, un potente motor de inferencia mejorado en su rendimiento con Intel® Movidius™ Neural Compute Stick y tarjetas basadas en Intel® Arria® 10 FPGA GX, y las bibliotecas de visión artificial tradicional OpenCV y la API OpenVX.
Además, Intel® proporciona soluciones de hardware de procesamiento que resuelven el problema planteado por el edge-computing. El número de dispositivos como cámaras, coches, ordenadores, y aparatos de todo tipo que pueden utilizar la visión artificial es muy grande, al igual que su variedad. Trabajar con todos estos dispositivos, de sistemas heterogéneos, platea problemas de ancho de banda y de latencia que haría inviable centralizar la computación exclusivamente en la nube, y requiere que cada uno de estos puntos o extremos se convierta en parte inteligente de una red altamente distribuida como es el caso de edge-compunting, haciendo un uso extendido de lo aprendido en el Internet de las Cosas (IoT).
Habitualmente las soluciones de redes neuronales utilizan procesadores gráficos que son más potentes en el procesado de problemas simples, como el reconocimiento de imágenes, pero que tienen la capacidad de procesar gran número de hilos simultáneamente, lo que les hace idóneos para las operaciones de inferencia aplicadas a las imágenes.
Intel®, mediante avances en la computación paralela de enorme calado, ha conseguido que las CPUs, óptimas para procesados más complejos, pero con menor capacidad de paralelismo, alcancen los niveles de potencia de procesado paralelo más eficientes. Además, ofrece una gama de procesadores específicos y de bajo coste como los FPGAs (matriz de puertas programables), o como Intel® Movidius™ Neural Compute Stick y las tarjetas basadas en Intel® Arria® 10 FPGA GX que proporcionan capacidades para extender el procesamiento de imágenes avanzado en todo tipo de dispositivos.
Cursos en vídeo
Para todos los asistentes al oneAPI Day, Danysoft le obsequiará uno de estos tres cursos online.
Más Información
Ayúdanos con este formulario a facilitarte la información que necesitas.
ÚLTIMAS NOTÍCIAS
Viernes de BI: Dispara tus capacidades en SQL con SQL Toolbelt Essential de Redgateabril 14, 2025 - 12:35 pm
G4I 2025abril 10, 2025 - 11:48 am
JetBrains Partner Summit 2025abril 9, 2025 - 2:35 pm
Webinar Global Mapper 26.1abril 9, 2025 - 11:41 am
mi aportación está en el sentido de entrar de lleno al mundo de la IA, no hay vuelta atrás y mientras más pronto asumamos el reto más pronto disfrutaremos de las bondades de la IA y todas sus características, la resistencia es lógica y más la ética, pero seamos honestos, nadie dará un paso atrás, mejor veamos cómo coexistir con este tipo de tecnologías haciéndolas cercanas y en posible menos inquietantes.