Zurück

Objekterkennung on Edge

Als Objekterkennung wird das Erkennen von Objekten in Sensordaten wie Bild- oder Videodaten bezeichnet. Das Ziel ist es, Objekte zu lokalisieren und sie einer Klasse zuzuordnen. Existierende Deep-Learning-Ansätze mit hoher Genauigkeit setzen dabei vorwiegend auf komplexe Convolutional-Neural-Network(CNN)-Architekturen, die viele Trainingsdaten und eine hohe Rechenleistung benötigen.

Ziel dieses Vortrags ist es aufzuzeigen, wie der Nvidia-Technologie-Stack genutzt werden kann, um performante Objekterkennungsmodelle via Transfer Learning und Pruning anzupassen, sodass die Architektur auf einem Nvidia Jetson Nano einsetzbar ist und in Echtzeit Videostreams verarbeitet.

Vorkenntnisse

Kein Vorwissen notwendig
Zum Verständnis der Besonderheiten des Vorgehens für On-Edge-Anwendungen, wäre es aber sinnvoll, das klassische Vorgehen bei derartigen ML-Anwendungen (Objekterkennung) zu kennen

Lernziele

Ziel des Vortrags ist es, den BTeilnehmenden den Nvidia-Technologie-Stack für Maschinelles Lernen vorzustellen und Anhand von Beispielen zu zeigen, wie sich damit On Edge Anwendungen umsetzen lassen

Speaker

Dominik Lotz startete in 2009 seine Laufbahn in der Informatik mit einer Ausbildung gefolgt durch ein Bachelor-Studium an der Hochschule Fulda. Seinen Master in Informatik absolvierte er an der Technischen Universität Darmstadt mit Schwerpunkt Maschinelles Lernen und Künstliche Intelligenz. Seit 2021 ist er Software-Entwickler bei Accso und führt dort Themen im Bereich Künstliche Intelligenz voran.

Nicolai Minter begann 2015 ein Studium der Informatik an der TU Darmstadt und vertieft dieses dort seit 2019 mit einem Master in "Internet und Web-basierten Systeme". Seit 2020 ist er Teil des Accso-Teams und konnte seitdem bei einer vielzahl von Projekten praktische Erfahrung im Bereich Embedded Systems sowie Machine Learning und Data Engineering sammeln.

Jetzt Tickets sichern

building-IoT-Newsletter

Ihr möchtet über die building IoT
auf dem Laufenden gehalten werden?

Anmelden