Nuvoton.AI

キーワードスポッティング

DNN/DS-CNN

このアプリケーションは、キーワードスポッティング (KWS) 技術に焦点を当て、特定の音声データを収集することによって、デプスワイズ セパレータブル コンボリューショナル ニューラルネットワーク (DSCNN) または従来のディープニューラルネットワーク (DNN) をトレーニングする方法を探求します。このアプリケーションでは、データ収集、前処理、特徴抽出からモデル訓練まで、プロセス全体の実証を行います。スマートアシスタントや音声制御システムなどの様々な音声対話アプリケーシに適した、特定の音声コマンドを正確に検出して応答するモデルを開発し、ユーザーインタラクション体験を向上させることを目標とします。

ML_KWS
(お問い合わせ先)

✓

✗

✓

ジェスチャー認識

CNN

コンボリューショナルニューラルネットワーク (CNN) モデルは、三次元加速度計を使用してさまざまなジェスチャーを認識し、ジェスチャー動作データを収集するようにトレーニングされます。次に、このモデルは、リアルタイムジェスチャー認識のために開発ボード上に展開されます。

ML_G-Sensor
(お問い合わせ先)

✓

✗

✓

画像分類

MobileNet

このアプリケーシでは、画像分類に MobileNet モデルを使用する方法と実践について詳しく説明します。MobileNet は、軽量なディープラーニングアーキテクチャーとして、特に計算リソースが限られたデバイスに適しています。本記事では、モデルの基本構造から始め、MobileNet が効率的な分類性能を維持しながら、デプスワイズセパレータブルコンボリューションズを通じて計算負荷とモデルサイズを削減する方法を説明します。

その後、公開データセットを使用して MobileNet をトレーニングする方法を、データ前処理、モデル訓練、性能最適化の段階を含めてご紹介します。さらに、トレーニングされたモデルをクラウドサービスやエッジコンピューティングデバイスなどのさまざまなプラットフォームに展開する方法についても検討します。

最後に、画像分類における MobileNet の適用を、対象物認識やシーン理解などの実例を通じて実証し、リアルタイムで高効率な画像処理における重要性を強調します。本記事では、画像分類におけるディープラーニングの実践を望む読者に対して、実践的なガイダンスとインスピレーションを提供します

ML_Image_
Classification
(お問い合わせ先)

✗

✓

✓

対象物検出

SSD_MobileNet_
fpnlite v2/v3

このアプリケーションでは、画像検出に TensorFlow Object Detection API を使用する方法について説明します。この強力な API により、開発者は、セキュリティ監視から自動運転車まで、さまざまなアプリケーションに適した対象物認識モデルを簡単に訓練し、展開することができます。開発環境の設定、データセットの準備とアノテーション、モデルの訓練と評価など、API の基本を紹介します。さらに、トレーニングされたモデルをリアルタイム画像検出に適用し、さまざまなプラットフォームやデバイスに展開する方法についても説明します。これは、この分野をさらに深く探求しようとする開発者に対して、包括的なガイドと実践的な洞察を提供します。

ML_Object_
Detection
(お問い合わせ先)

✗

✓

✗

対象物検出

Yolo-fastest v1

このアプリケーションでは、DarkNet フレームワークを使用して、エッジコンピューティングに適した YOLO(You Only Look Once) モデルをトレーニングする方法について深く掘り下げます。トレーニングされたモデルを TensorFlow Lite フォーマットに変換し、Vela 最適化ツールで性能を向上させることに重点を置いています。このアプリケーションは、モデルトレーニングの重要なステップや変換プロセス、および最適化技術をカバーし、特にリソースが限られたエッジコンピューティングデバイスに適した、さまざまなタイプの対象物を開発者が効果的に検出できるよう支援します。

ML_YOLO
(お問い合わせ先)

✗

✗

✓

異常検出

DNN/
オートエンコーダー

このアプリケーションでは、Tiny ML (Micro Machine Learning) モデルをトレーニングし、それらを TensorFlow Lite (TFLite) フォーマットに変換するための異常検出技術の実装方法について詳しく説明します。本記事では、データの前処理と特徴抽出から、異常検出アルゴリズムの適用に至るまでのすべてのことと、リソースに制約のあるデバイスでの操作のために、訓練されたモデルを最適化して TFLite フォーマットに変換する方法について説明します。この手法は、産業用モニタリングや IoT (モノのインターネット)デバイスなど、効率的でリアルタイムな異常検出を必要とするアプリケーションに適しています。

ML_Gearbox_
Fault_Diagnosis
(お問い合わせ先)

✓

✗

✓

Visual Wake Words

Small MobileNet RGB/gray

このアプリケーションでは、画像内の人やその他の特定の対象物の存在を識別することに焦点を当て、マイクロコントローラー上での Visual Wake Words (VWW) モデルの実装を検討します。この手法では、リソースに制約のあるマイクロコントローラー上で実行するように設計された軽量のディープラーニングモデルを利用します。このアプリケーションでは、そのようなモデルを効果的にトレーニングおよび最適化する方法を紹介し、これらのモデルをマイクロコントローラーに展開するプロセスをカバーします。これは、低消費電力、リアルタイム、応答性に優れた組み込み型ビジュアルアプリケーションを開発するための、実用的で効率的なソリューションを提供します。

ML_VWW
(お問い合わせ先)

✓

✗

✓