Irisitymultiplica por 6,5 el rendimiento y permite un análisis de vídeo rentable y en tiempo real en las CPU periféricas
Introducción
La analítica de vídeo impulsada por IA está revolucionando las industrias mediante la extracción de conocimientos de flujos de datos visuales. Mediante algoritmos de aprendizaje profundo, el contenido de vídeo se analiza e interpreta automáticamente para detectar objetos, personas y eventos. Las aplicaciones de análisis de vídeo con IA se están expandiendo rápidamente en todos los sectores, ofreciendo ventajas como la mejora de las capacidades de seguridad, la mejora de la eficiencia operativa y la toma de decisiones basada en datos.
Irisity es un proveedor líder de software de análisis de vídeo impulsado por IA que sirve a una amplia gama de casos de uso, incluida la supervisión de la seguridad de infraestructuras críticas, la detección de incendios y humo, la identificación de resbalones y caídas, y la supervisión del tráfico. Sus soluciones se basan en algoritmos avanzados que reconocen actividades e incidentes, recopilan inteligencia operativa y generan información empresarial para mejorar la toma de decisiones y optimizar el funcionamiento.
El reto
Irisity buscaba mejorar su oferta aumentando aún más el rendimiento de su modelo de detección de objetos y manteniendo al mismo tiempo su alta precisión. Esto permitiría a Irisity escalar sus soluciones de forma aún más rentable en la infraestructura de CPU existente, reduciendo así los costes operativos para sus clientes.
Además, los modelos más rápidos también ofrecen una mejor experiencia de usuario con información y alertas en tiempo real. La capacidad de generar información en cuestión de segundos es clave, especialmente para las aplicaciones de análisis de vídeo que abordan casos de uso como la seguridad de infraestructuras críticas, la atención sanitaria y otros casos de uso sensibles al tiempo.
La solución
Aprovechando la plataforma de Deci, el equipo de Irisitydesarrolló un modelo de detección de objetos mejorado que superaba a su predecesor en términos de rendimiento de inferencia, manteniendo la precisión del modelo original. El nuevo modelo, generado con el motor de búsqueda de arquitectura neuronal automatizada (AutoNAC) de Deci, mostró un impresionante aumento del rendimiento, pasando de 499 fotogramas por segundo a 3.240, lo que supone una mejora de 6,5 veces. El equipo utilizó la biblioteca de entrenamiento SuperGradients de Deci para entrenar este nuevo modelo y lo optimizó aún más utilizando Infery, el SDK de Deci para la optimización y el despliegue de la inferencia.
El modelo optimizado permitió a Irisity escalar su solución ampliando su compatibilidad con una amplia gama de CPU. Con la ayuda de la plataforma Deci, el equipo de Irisity no solo acortó su proceso de desarrollo y minimizó los riesgos asociados, sino que también alcanzó sin esfuerzo sus puntos de referencia de rendimiento deseados manteniendo bajo control la estricta privacidad de los datos.
Lea el artículo completo aquí.