Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

Qeexo发布嵌入式机器学习平台,为边缘设备提供AI

1月3日消息,机器学习开发商和传感器数据的AI解决方案提供商Qeexo奇手科技发布了为嵌入式产品及应用服务的机器学习平台,并会在即将举行的2019 CES展会上进行演示。

Qeexo嵌入式机器学习是一种轻量级通用型平台,可以在嵌入式边缘设备上实时本地执行机器学习推理,无需依赖云端。这套嵌入式解决方案是基于Qeexo专有的机器学习平台建立的,这一平台已经在全球范围内通过FingerSense和EarSense等产品为超过1.7亿台智能手机和平板提供了支持。

“Qeexo嵌入式机器学习能够帮助任何企业理解他们产品以及设备中不断产生的传感器数据,不管是已经收集到的数据,还是可以被收集的数据。”Qeexo的CEO Sang Won Lee表示,“随着硅芯片价格不断下降而能力越来越强,我们相信机器学习将会朝着边缘领域发展。”

Qeexo嵌入式机器学习能够在任何领域中为产品和进程加入智慧。例如,在工业环境中,由Qeexo驱动的传感器可以被设置在工厂中用来监控和分析进程,设备,以及目标产物,使机器能以更理想的状态运行得更长久。在汽车行业中,如果传感器有了Qeexo嵌入式机器学习就能够对路况和汽车状况作出即时反馈,或者对汽车进行预测性维护。在智慧家居和物联网领域,边缘设备可以用更低的额外价格来扩展出更加有用和更方便的功能。

Qeexo机器学习平台拥有比人类知觉更快的毫秒级延迟,而且对功耗、内存和处理需求极低,并对所有类型的传感器数据起作用,这三大特点优势明显。

1.毫秒级延迟

由于Qeexo毫秒级的延迟比人类知觉更快,所以由Qeexo机器学习引发的反应会让人感觉是即时的。传统上来说,机器学习无法被用到时效性强的应用上,例如触控屏,因为计算所需的时间太长,如果触控界面无法做出即时反应的话,用户会感到很困惑。不过如FingerSense和EarSense所证明的那样,Qeexo的机器学习能够即时区分出不同类型的输入方式,并对用户输入及时反馈。

2.对功耗、内存和处理需求极低

嵌入式及手机应用都会受到处理能力,内存和功耗的严重制约。Qeexo嵌入式机器学习是高度优化过的,允许在边缘设备上进行推理,这也使得它本身可应用的范围变得更广。

3.传感器数据

Qeexo嵌入式机器学习平台可以对所有类型的传感器数据起作用。据行业专家介绍,到2020年,将会有超过1万亿的传感器被部署。Qeexo嵌入式机器学习可以利用这些传感器收集到的极其庞大的数据,让每一台设备变得更聪明并且更便于使用。

“我们最常听到的来自企业的抱怨就是,他们投入成本来收集和储存数据,但他们并不知道如何最好地利用这些数据,”Lee继续说道。“即便有分析,也经常是最简单的。有了更高端的机器学习算法,Qeexo嵌入式机器学习就能帮助企业实现传感器数据的价值。”

对Qeexo机器学习技术实力的另一个证明就是,Qeexo的产品EarSense赢得了CES 2019年软件和手机应用分类的创新奖项。EarSense今年7月登陆OPPO Find X手机,使用最先进的AI技术取代了近程传感器,实现用户接打电话时将屏幕熄灭的功能。由于消除了厂商们对近程传感器的需求,EarSense让真正的全面屏设计得以实现。

据了解,EarSense将会出现在CES 2019展会的Qeexo展台上,展会时间是从1月8日到11日,基于Qeexo机器学习平台的其他产品也同样将会亮相。

产业嵌入式机器学习平台QeexoCES 2019
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

推荐文章
暂无评论
暂无评论~