Первый набор микросхем MediaTek 5G, исчезающая функция искусственного интеллекта Wyze Cam, обучение нейронной сети на устройстве с помощью Core ML 3 и многое другое

НОВОСТИ

Первая 5G SoC от MediaTek - это мощная и энергоемкая Dimensity 1000 с искусственным интеллектом

Новый SoC будет конкурировать с Qualcomm Snapdragon 855 в качестве альтернативы более дорогим устройствам 5G. MediaTek рекламирует SoC чрезвычайную энергоэффективность; в частности, все его компоненты будут размещены на одном чипе, что даст больше места для более крупных батарей, датчиков камеры и т. д. Процессор, специфичный для ИИ SoC, названный APU 3.0, по-видимому, более чем вдвое повысит производительность по сравнению с предыдущим оборудованием MediaTek для искусственного интеллекта. ["Подробнее"]

[Facebook] На основе AI: система рекомендаций Instagram Explore

В недавнем сообщении в блоге исследователи Facebook, стоящие за основным механизмом записи в Instagram, представили первый в истории подробный обзор компонентов, которые заставляют Explore работать по предоставлению персонализированного контента для пользователей Instagram. Здесь много замечательных технических деталей, а также краткий обзор работы, которую еще предстоит сделать. ["Подробнее"]

Функция обнаружения людей на основе искусственного интеллекта Wyze «временно» исчезнет в следующем году

В выпуске этого информационного бюллетеня, вышедшем в начале этого года, мы рекламировали невероятно дешевую систему камеры Wyze (20 долларов за камеру с включенной функцией обнаружения на устройстве) в качестве примера экономии затрат и повышения безопасности, которые могут быть обеспечены с помощью: устройство AI. Хотя это все еще так, клиенты Wyze увидят, что функция обнаружения людей отключена в новом году. Это произошло после, по словам Wyze, расторжения договора аренды с Xnor.ai, который был партнером-поставщиком функции обнаружения людей. ["Подробнее"]

Kone монетизирует подключенные лифты с помощью Alexa, потоковой передачи музыки и цифровых дисплеев

Kone, которая в прошлом году представила цифровую платформу, на которой будут строиться будущие лифты, объявила о новом классе лифтов, который будет использовать эту платформу. Новая линейка лифтов также будет иметь партнерские отношения с внешними поставщиками, такими как Amazon Alexa, Spotify и другими. Одним из наиболее интересных партнеров является финский стартап BlindSquare, который поможет сделать новую линейку лифтов более доступной с помощью мобильного приложения, созданного для людей с нарушениями зрения. По сути, приложение отслеживает местоположение пользователей и помогает им лучше ориентироваться в этажах и планировках здания. ["Подробнее"]

Amazon представляет сервис автоматического распознавания речи Amazon Transcribe Medical

Amazon Transcribe Medical, объявленный в этом году на конференции AWS re: Invent, расширит возможности автоматического распознавания речи Amazon в отрасли здравоохранения. Служба якобы позволит врачам быстро и точно расшифровать клинические записи в режиме реального времени, без использования таких слов, как стоп или запятая для обозначения знаков препинания или других указаний форматирования. API позволит теоретически реализовать эту функцию на широком спектре устройств, включая мобильные и другие периферийные устройства. Медицинская транскрипция - классически сложный вариант использования распознавания речи, поскольку узкоспециализированный язык в сочетании с необходимостью очень высокой точности делает эту проблему особенно сложной для решения. ["Подробнее"]

КОД / БИБЛИОТЕКИ

[GitHub] arduino / AIoT-Dev-Summit-2019

Из Readme: В этом уроке мы научим доску распознавать жесты! Мы будем собирать данные о движении с платы Arduino Nano 33 BLE Sense, импортировать их в TensorFlow для обучения модели и развертывать классификатор на плате с помощью TensorFlow Lite для микроконтроллеров . ["Исследовать"]

[GitHub] sviatlana-loban / AwesomeHairColor

Приложение для iOS, которое раскрасит ваши волосы на сохраненном фото или видео с селфи-камеры или в режиме реального времени. ["Исследовать"]

[Исследование] Fast Sparse ConvNets

Из аннотации: «Хотя идея использования разреженности для уменьшения количества параметров не нова, общепринято считать, что это сокращение теоретических значений FLOP не приводит к повышению эффективности в реальном мире. Мы стремимся исправить это заблуждение, представив семейство эффективных разреженных ядер для ARM и WebAssembly, исходный код которых мы открываем для блага сообщества как часть библиотеки XNNPACK. Используя нашу эффективную реализацию разреженных примитивов, мы показываем, что разреженные версии архитектур MobileNet v1, MobileNet v2 и EfficientNet существенно превосходят сильные плотные базовые показатели на кривой эффективности-точности. ["Исследовать"]

[Исследования] AI Benchmark: все о глубоком обучении на смартфонах в 2019 году

Из аннотации: Успех инициализации лотерейных билетов (Frankle and Carbin, 2019) предполагает, что небольшие разреженные сети можно обучать, если сеть инициализирована надлежащим образом. К сожалению, поиск этих инициализаций «выигрышного билета требует больших вычислительных ресурсов. Одно из возможных решений - повторно использовать одни и те же выигрышные билеты в различных наборах данных и оптимизаторах. Однако универсальность инициализации выигрышных билетов остается неясной. Здесь мы пытаемся ответить на этот вопрос, генерируя выигрышные билеты для одной конфигурации обучения (оптимизатор и набор данных) и оценивая их производительность в другой конфигурации. Возможно, удивительно, что мы обнаружили, что в области естественных изображений инициализация выигрышных билетов обобщается для различных наборов данных, включая Fashion MNIST, SVHN, CIFAR-10/100, ImageNet и Places365, часто достигая производительности, близкой к производительности генерируемых выигрышных билетов. в том же наборе данных ». ["Исследовать"]

ОБУЧЕНИЕ

Обучение на устройстве с помощью Core ML. Часть 4: Обучение нейронной сети

В заключительной части своей превосходной серии статей, посвященной тонкостям обучения модели на устройстве с помощью Core ML 3, Маттис Холлеманс показывает, как использовать возможность персонализации модели с глубокой нейронной сетью. ["Учить больше"]

Как преобразовать модель NN из TensorFlow Lite в Core ML

Матиас Клаассен из Xmartlabs отлично рассмотрел интересный процесс - взял модель TensorFlow Lite и преобразовал ее в Core ML для сравнительного анализа, тестирования новых архитектур моделей и многого другого. ["Учить больше"]

Определение языка, перевод и умный ответ в iOS с помощью Firebase ML Kit

Анупам Чу показывает нам, как объединить API автономного перевода, языкового идентификатора и интеллектуального ответа ML Kit в приложении для iOS, которое может составлять интеллектуальные ответы на разных языках. ["Учить больше"]

[Heartbeat Collections] Дополненная реальность на iOS и Android

Каталог публикаций Heartbeat, посвященных разработке дополненной реальности для iOS и Android. ["Учить больше"]

Создание рекомендательного механизма Core ML для iOS с помощью Create ML

Еще один отличный урок от Анупама Чу. Он работает с недавно выпущенным шаблоном рекомендаций Create ML, чтобы легко создать механизм записи на устройстве для iOS. ["Учить больше"]

Примечание редактора. Heartbeat - это онлайн-публикация и сообщество, созданное авторами и посвященное изучению зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.

Независимая редакция, Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам учить устройства видеть, слышать, ощущать и думать. Мы платим участникам и не продаем рекламу.

Если вы хотите внести свой вклад, переходите к нашему призыву участников. Вы также можете подписаться на наши еженедельные информационные бюллетени (Deep Learning Weekly и Fritz AI Newsletter), присоединяйтесь к нам на » «Slack и подписывайтесь на Fritz AI в Twitter , чтобы узнавать обо всех последних новостях в области мобильного машинного обучения.