cREAtIve

Deep learning-applicaties zonder de cloud

Deep learning-oplossingen voor objectclassificatie werken meestal op basis van cloud-gebaseerde gegevensverwerking. De cloud biedt namelijk voldoende kracht, bandbreedte en opslagruimte. Ook camerasystemen kunnen gebruikmaken van deep learning-algoritmes om objecten op te sporen, te herkennen en te volgen. Deze systemen vereisen echter zero latency– er mag dus geen vertraging zitten in de dataoverdracht tussen opdracht en impuls – en moeten opletten met privacybelangen. Daarom kunnen camerasystemen niet gebruikmaken van de verwerkingskracht van de cloud. Kortom, ze hebben nood aan een geïntegreerde hardware die efficiënte en krachtige deep learning-algoritmes in real-time uitvoert.

Metingen door positiesensoren boeten in aan zuiverheid door niet-stationaire ruis, bijvoorbeeld door een verandering in de omgevingscondities. Om sensormetingen nauwkeuriger en krachtiger te maken, moet deze niet-stationaire ruis weggefilterd worden. Daarvoor zijn er nieuwe, lichtgewicht anti-ruis-oplossingen nodig, die in de sensoren verwerkt zijn. Bij geavanceerde bestuurdersassistentie en zelfrijdende systemen is LIDAR-technologie essentieel. Innovatieve embedded deep learning-oplossingen zijn nodig om de nauwkeurigheid van objectdetectie, -tracking en -classificering van die apparaten te verbeteren. 

Algoritmen die zichzelf aanpassen

Kortom, een op camera’s gebaseerde deep learning-oplossing voor verkeersmanagement moet rekening houden met een aantal beperkingen op vlak van vermogen, bandbreedte en verwerking. Daarnaast moet ze zich ook kunnen aanpassen aan verschillende omgevings- en weersomstandigheden. Het cREAtIve-team houdt met dit alles rekening en voorziet ook de juiste onderliggende hardware om het flexibele systeem optimaal te ondersteunen.

Intelligente embedded apparaten

Het cREAtIve-consortium bestaat uit experten in thermische camera’s en oplossingen voor verkeersmonitoring, in autosensoren, in LIDAR-systemen, in deep learning en aanpasbare hardware-oplossingen. Ze bundelen de krachten voor volgende innovatiedoelen:

• AI-sensoren ontwikkelen om ruis te filteren, veroorzaakt door temperatuurschommelingen en magnetische spreidingsvelden;
• de verwerking van LIDAR-metingen verbeteren om zo de 3D-objectdetectie en tracking-performantie te verbeteren;
• een nieuw deep learning-paradigma ontwerpen dat de nauwkeurigheid van objectdetectie en -classificatie in thermische beelden verbetert;
• hardware-uitwisseling onderzoeken voor deep learning-netwerken in geïntegreerde of opbouwsystemen met beperkte bronnen en stroomverbruik;
• het geïntegreerde deep learning-netwerk versterken zodat het zichzelf aanpast aan verschillende omgevingen.

Verbeterde verkeersveiligheid en meer

Het cREAtIve-project zal zorgen voor een betere ontwikkeling van competitieve, aanpasbare AI-oplossingen in geïntegreerde toestellen met beperkte bronnen. Hiermee realiseert het meteen tal van praktische verbeteringen, bijvoorbeeld stabiele metingen met positiesensoren in de automobielindustrie, betere voertuigdetectie en -tracering in autonoom rijdende voertuigen en een verbeterd verkeersmanagement en betere manieren om voetgangers te tellen.

Het cREAtIve-project zal nieuwe, aanpasbare en krachtige deep learning-oplossingen ontwikkelen voor embedded toestellen met beperkte middelen.