Die Augen der Welt
Das Computersehen, auch bekannt als künstliches Sehen, findet rasant auch in Gebieten Einzug, die über die akademische Forschung hinausgehen, und wird in Automatisierungsprozessen von Fabriken, z. B. in der Qualitätskontrolle, genutzt. Mit den passenden Plattformen und Tools scheinen die neu entstehenden Möglichkeit im Hinblick auf Wearable-Anwendungen, erweiterte Realität, Überwachung und umgebungsunterstütztes Leben sowie weitere Anwendungsbereiche unendlich zu sein. Das Sehen, unser wertvollster Sensor, beinhaltet die Auswertung von Big Data aus der Realität. Die Datenmenge, die weltweit durch Bildsensoren erzeugt wird, stellt die Datenmenge, die durch alle anderen Sensoren zusammen gewonnen wird, in den Schatten. „Dieser Herausforderung, die sich durch die schiere Rechenleistung stellt, die für künstliches Sehen erforderlich ist, wurde erstmals direkt durch unser Projekt EoT begegnet“, erklärt EoT Projektkoordinator Prof. Oscar Deniz Suarez. „Das Ziel war die Erstellung einer hinsichtlich Leistung, Größe, Kosten, Programmierbarkeit optimierten Kernplattform für das Sehen, die selbständig funktionieren kann und zudem in alle Arten von Artefakten eingebettet werden kann“, führt Prof. Suarez weiter aus. Die Möglichkeit, Deep-Learning-Inferenzen durchzuführen, zählte laut dem Konsortium nicht zu den ursprünglichen Projektzielen, wurde jedoch später im Rahmen eines Spin-offs als wünschenswertes Ergebnis ergänzt. Effizientes eingebettetes Computersehen mit Deep Learning Das Ergebnis ist eine Plattform für unglaublich effizientes Computersehen, das durch das zentrale Hardware-Element, einen Myriad-2-Prozessor von Movidius mit äußerst geringem Stromverbrauch, ermöglicht wird. „Zu den erwähnenswerten Merkmalen zählen unter anderem Deep-Learning-Inferenzen und ein lokales Funknetz mit geringem Stromverbrauch inklusive leichtem Nachrichten- und Video-Streaming, über das Warnmeldungen an Geräte, interne Batterieladegeräte und Audioanschlüsse gesendet werden können“, zählt Prof. Suarez auf. Mit der Platine können derzeit drei verschiedene Kameras verbunden werden und die physische Abmessung der Platine ist gering: 48 x 56 mm. Die Hardware-Platine wurde in der ersten Hälfte des Projekts nach dem Grundsatz der Komponentenausbau entwickelt, um das Endprodukt zu verkleinern. Die Software-Entwicklung konnte dann parallel zu bestehenden Einheiten ohne größere Auswirkungen fortgesetzt werden. Drei Demonstratoren, eine Vielzahl von Anwendungsmöglichkeiten Die Projektpartner entwickelten drei Demonstratoren, um die potenziellen Funktionen der Technologie zu veranschaulichen: Eine Puppe, in deren Körper und Kopf die Platine eingebettet ist, ein Kopfhörer und ein Detektionssystem für illegale Abfallentsorgung. „Es sollte beachtet werden, dass alle diese Systeme dem Konzept des eingebauten Datenschutzes entsprechen, und keine Bilder aufgezeichnet oder diesbezüglich versandt werden“, betont Prof. Suarez. Die Puppe verdeutlicht die Deep-Learning-Funktion, da sie einen von sechs möglichen Gesichtsausdrücken erkennt. Ferner geht EoT davon aus, dass dies mit einer Ladung von einer flachen Batterie mit 4 000 mAh 13 Stunden lang im Dauerbetrieb möglich ist. Ein für Museen gebauter Kopfhörer erkennt Gemälde automatisch und stellt Besuchern relevante Audioinformationen zur Verfügung. Die EoT-Platine in dem Kopfhörer kann zudem mit einer Smartphone-App für Multimedia-/interaktive Erlebnisse verbunden werden. Das System wurde im weltbekannten Albertina Museum in Wien pilotiert und wird die Grundlage für die Vorschlagseinreichung zu einem neuen Projekt bilden – die letzten Schritte vor der Produktentwicklung. Ein weiterer Demonstrator ist der „Litterbug“, ein EoT-Gerät für illegale Abfallentsorgung, das Abfallablagerungen verhindert, indem die Tat zunächst mit einer Kamera erfasst und dann eine Audiowarnung ausgegeben wird, während das Vergehen begangen wird. Kommerzialisierung – die Zukunft des Computersehens Das Start-up Ubotica Technologies wurde von ehemaligen Angestellten der Partner gegründet, und verfügt nicht nur über eine Lizenz für die Entwicklung einer Vielzahl EoT-basierter Produkte, sondern auch über die notwendige Erfahrung. „Der Myriad-2-Chip im Zentrum von EoT ist ein komplexes Gerät für die Beherrschung und Kompatibilität elektronischer Komponenten sowie für die Anwendung“, hebt Prof. Suarez hervor. Dies schließt die komplexe Software in Verbindung mit Prozessor, Sensoren, Kommunikation und optimiertem Sehen sowie Deep-Learning-Inferenzen ein. „Ubotica hat bereits das Fachwissen für die Entwicklung von EoT-Varianten in kürzester Zeit“, lautet die Schlussfolgerung von Prof. Suarez.
Schlüsselbegriffe
EoT, Deep Learning, Computersehen, Sensor, künstliches Sehen, Myriad 2
