Wie Edge Intelligence die nächste Welle von Computer-Vision-Anwendungen 2019 antreibt

2018 markierte einen Wendepunkt für Computer Vision: Objekterkennung und Gesichtserkennung erreichten neue Genauigkeitshöhen. Die Verbreitung von Deep-Learning-Modellen – insbesondere Convolutional und Recurrent Neural Networks – lieferte leistungsstarke, einsatzbereite Lösungen. Doch diese Fortschritte haben ihren Preis: Die Modelle wachsen in Größe und Rechenbedarf. So enthält YOLOv3, ein weit verbreiteter Objektdetektor, nun 106 vollständig faltende Schichten – mehr als das Doppelte seines Vorgängers – während RetinaNet und SSD-Varianten die Performance ähnlich auf Kosten zusätzlicher Komplexität steigerten.

Neue Anforderungen bewältigen

Mit dem Anstieg von Kameraeinrichtungen – besonders in High-Resolution-Live-Stream-Szenarien – besteht dringender Bedarf, anspruchsvolle Vision-Algorithmen in Echtzeit anzuwenden. Traditionelle passive Überwachung reicht nicht mehr; Kameras müssen proaktive Intelligenz liefern. Das Streamen von Vollauflösungsvideo in die Cloud ist prohibitiv teuer, bandbreitenintensiv und latenzanfällig. Umgekehrt verbrauchen On-Premise-Server-Racks wertvollen Platz, Strom und Kapital, besonders beim Skalieren über mehrere Standorte. Die Herausforderung ist klar: Wie können wir Video von hunderten Kameras gleichzeitig mit begrenzten Ressourcen verarbeiten?

Die Lösung: Video am Edge

Die Antwort liegt im Edge Computing. Durch Einbetten robuster Inferenzfähigkeiten direkt in Kameras oder Bereitstellung kompakter Edge-Appliances zwischen Kameras und Cloud können Workloads auf viele Geräte verteilt werden. Dieser Wandel wird von einem wachsenden Ökosystem leistungsstarker, energieeffizienter KI-Prozessoren unterstützt. NVIDIAs Jetson-Serie liefert Echtzeit-Inferenz in eingebetteter Form, während Intels Myriad und Neural Compute Stick – Produkte der Movidius-Übernahme – ähnlich effiziente Lösungen bieten. Neue Akteure wie Mythic und Graphcore sammelten hunderte Millionen Venture Capital, und Branchenriesen Google und Amazon stellten eigene Edge-Chips vor, was die strategische Bedeutung von On-Device-Intelligenz unterstreicht.

Ausblick

Edge-basierte Vision wird eine neue Generation von Echtzeit-Einblicken freisetzen. Passive Videorekorder entwickeln sich zu aktiven Wächtern – sie erkennen Kinder in Ertrinkungsgefahr, melden Waffen nahe Schulen, öffnen Sicherheitstüren automatisch und identifizieren Fertigungsfehler. Im Einzelhandel kartieren Kameras Kundenbewegungen zur Optimierung von Flüssen und Wartezeiten, während Sicherheits-Compliance in Fabriken in Echtzeit überwacht wird. Mit über einer Milliarde derzeit eingesetzter Kameras und einer weiteren Milliarde am Horizont wird Edge Processing jede Kamera wirklich intelligent machen.

Unternehmen wie Kogniz bieten bereits Video-Intelligence-Services an, die Edge-Appliances nutzen – Standalone-Kameras und Adapter für bestehende IP-Geräte – und bedarfsgerechte, infrastrukturleichte Bereitstellung über unbegrenzte Kameras und Standorte ermöglichen.

Jed Putterman ist Co-CEO von Kogniz. Herr Putterman gründete mehrere Technologieunternehmen, darunter Snapcentric (übernommen von VeriSign) und Allerez (übernommen von Mercury Interactive Corporation). Er begann seine Karriere bei Oracle Corporation und beriet große Firmen wie Sun Microsystems, SGI und Aspect Communications. Herr Putterman ist Absolvent der UC Berkeley.