Scopri le soluzioni STM32 per reti neurali artificiali aprono le porte a nuove applicazioni.
di Fonte ST
Nel corso di una tavola rotonda con The ST Blog, una casa di design ha raccontato come i clienti siano sempre più interessati a trarre vantaggio dall’intelligenza artificiale. Tuttavia, avere accesso alle sue potenzialità è ancora difficile.
Non solo lo sviluppo di modelli di intelligenza artificiale per microprocessori dalle risorse limitate può aumentare il costo complessivo delle operazioni, ma la necessaria dipendenza dai data scientist implica uno svantaggio per i gruppi più piccoli. FP-AI-FACEREC1 è, quindi, fondamentale in quanto dimostra che è possibile eseguire algoritmi di rete neurale complessi su di un microcontrollore.
Inoltre, i software della ST aiutano ad alleviare alcune delle complessità intrinseche che rendono difficile l’accesso alle AI. In parole povere, il prezzo di ammissione alle funzioni d’intelligenza artificiale si è appena ridotto a quello di un STM32 Discovery Kit, in quanto tutto il software di sviluppo funziona con strumenti ST gratuiti come STM32CubeIDE e STM32CubeMonitor.
Il nuovo pacchetto software ST ha aperto la porta ad applicazioni che possono trarre vantaggio dall’intelligenza artificiale senza richiedere investimenti massicci. Quando gli smartphone hanno iniziato ad autenticare gli utenti scansionando i volti, i produttori dovettero investire pesantemente in soldi e manodopera. La necessità di estrema precisione e le rigorose certificazioni di sicurezza che regolano tali casi d’uso non richiedono nulla di meno. Tuttavia, dato il successo critico del riconoscimento facciale tra i consumatori, le aziende hanno registrato un rapido ritorno sugli investimenti.
I problemi sorgono quando hanno bisogno dell’AI settori che non possono aspettarsi gli stessi rendimenti equiparabili a quelli dei fornitori di smartphone.
Un altro fattore è l’incremento nel numero di applicazioni personalizzate dall’utente che si basano sul riconoscimento facciale. In effetti, sempre più clienti richiedono la possibilità di personalizzare impostazioni, avvisi o comportamenti per ogni utente.
Tradizionalmente, gli utenti scelgono il proprio account facendo clic su un pulsante, selezionando un avatar o inserendo login e password. Con il software di riconoscimento facciale, l’interfaccia può riconoscere automaticamente gli utenti e lancia i loro servizi o impostazioni. Il riconoscimento facciale è sempre più al centro di nuove applicazioni incentrate sul benessere dell’utente.
Ad esempio, un produttore di forni di consumo potrebbe utilizzare l’apprendimento automatico per rilevare un bambino nelle vicinanze mentre l’elettrodomestico è caldo e attivare un blocco automatico per evitare incidenti. Allo stesso modo, usare il riconoscimento facciale in un ascensore può garantire che i bambini vadano al loro piano solo per evitare che si perdano.
FP-AI-FACEREC1 è essenziale perché consente a nuove industrie di beneficiare dell’apprendimento automatico, grazie ad una serie di compromessi. L’esecuzione del codice su un STM32H7 significa che le applicazioni utilizzano meno livelli di immagine e una risoluzione inferiore rispetto ai sistemi che si concentrano sull’autenticazione sicura.
Il pacchetto software ST può ospitare un otturatore globale per ridurre il motion blur o un sensore a infrarossi per migliorare le prestazioni in condizioni di scarsa illuminazione. In combinazione con un sensore Time-of-Flight, il Function Pack potrebbe affrontare il rilevamento di prossimità. Si tratta, quindi, di una base per chi desidera innovare. La stessa soluzione si adatta all’utilizzo di un STM32MP1 per ottenere maggiore potenza.
Quello dell’apprendimento automatico è un argomento complesso che può intimidire. Il pacchetto software della ST è una soluzione che cerca di demistificare i processi in atto e che mostra fino a che punto è andato il settore. Oltre a rendere facilmente accessibili funzioni di riconoscimento facciale, la soluzione di ST aiuta a meglio comprendere ottimizzazione e funzioni di memoria.
I Function Pack di ST vogliono essere un trampolino di lancio verso un prodotto finale. Per accelerare l’implementazione delle applicazioni, gli sviluppatori possono fare affidamento su Nalbi, un membro dell’ST Partner Program. L’azienda offre infatti modelli di apprendimento profondo per la visione artificiale ottimizzati per STM32.
Gli ingegneri possono ottenere un prodotto proof-of-concept veloce sperimentando con la rete neurale pre-addestrata di FP-AI-FACEREC1. Tuttavia, una volta in fase di produzione, gli sviluppatori dovranno addestrare il modello di apprendimento automatico con un proprio database di volti.
In effetti, questo passaggio influisce direttamente sul riconoscimento facciale in fatto di sesso, tratti del viso, toni della pelle, angoli dell’immagine e altro ancora. Di conseguenza, è imperativo utilizzare un database di addestramento che rifletta il caso d’uso. In alternativa, è possibile sfruttare il software pronto per la produzione di Nalbi per creare un’applicazione finale.
