Webinar Gravado: Reconhecimento de Imagens por Redes Neurais Convolucionais (CNN) em Sistema Embarcados

Resumo do webinar

Hardwares sofisticados podem fazer tarefas que exigem alto processamento e desempenhar atividades que antes eram inimagináveis. A presente aplicação de Visão Computacional demonstra o processamento na borda (Edge Computing) de classificação de imagens por Redes Neurais Convolucionais (CNN)  de maneira totalmente embarcada, autônoma e offline (em hardware, utilizando um computador embarcado DragonBoard 410c, sem internet e sem acesso à API em nuvem). O modelo CNN é capaz de identificar localmente até 1000 classes de imagens captadas pela câmera embarcada no hardware. Dentre as tecnologias empregadas na solução, destacam-se : computador embarcado (DragonBoard 410c) , hardware acessório de câmeras (Mezzanine DragonWally DW1), OpenCV (framework de visão computacional), TensorFlow/Caffe (framework de machine learning) .

Objetivo do webinar

Demonstrar o uso de modelos de redes neurais em computadores embarcados, treinados para realizar classificação de imagens e detecção de objetos.

 

Slides

 

Convidados

Cezar Menezes

Engenheiro eletrônico e co-fundador da dragonwally (wengen aplicações de semicondutores LTDA)

Engenheiro graduado pela escola politécnica da USP, especialista em desenvolvimento de hardware e software embarcado para sistemas de visão computacional, pesquisador entusiasta em aprendizagem de máquina (machine learning) e redes neurais profundas (deep neural networks).