Erforschen Sie die neuen Grenzen der künstlichen Intelligenz

Glenn Jocher von Ultralytics (YOLOv5 und YOLOv8), Yonatan Geifman von Deci (YOLO-NAS) und Bo Zhang von Meituan (YOLOv6) kommen in diesem Panel zusammen, um den Stand der Open-Source-Vision-KI zu untersuchen. Das Panel wird sich mit den Herausforderungen und Prioritäten bei der Modellimplementierung befassen und wertvolle Erkenntnisse für eine nahtlose KI-Einführung liefern. Darüber hinaus werden die Diskussionsteilnehmer den Einsatz auf Edge-Geräten ansprechen, das Potenzial von Modulen zur Wiedererkennung von Objekten untersuchen, Einblicke in die Modellbereitstellung geben und vieles mehr. 

Weltweit sind etwa 1 Milliarde Netzwerkkameras im Einsatz. Intelligente Kameras, die von fortschrittlicher KI angetrieben werden, können sich auf das Wesentliche konzentrieren und die Sicherheit im Raum für alle erhöhen - von Autofahrern und Fußgängern bis hin zu Einzelhändlern und Einkäufern. Wir zeigen Ihnen, wie Sie die Gesamtleistung von Videoanalyseanwendungen mit NVIDIA Jetson verbessern und jede ältere Kamera mit dem YOLOv8-Modell ohne eine Zeile Code aufrüsten können.

Erleben Sie mit uns, wie die Metis-Plattform von Axelera AI branchenführende Leistung und Benutzerfreundlichkeit bietet, und das zu einem Bruchteil der Kosten und des Stromverbrauchs heutiger Lösungen. Entdecken Sie die beeindruckenden Ergebnisse unserer Hardware- und Softwarelösung zur Optimierung von YOLO-Modellen für Inferenzen auf Edge-Geräten.

Die KI verändert verschiedene Sektoren, Waren und grundlegende Funktionen. Tiefe neuronale Netze verbrauchen jedoch übermäßig viele Ressourcen in Form von Speicher, Rechenleistung und Energie. Damit KI auf breiter Basis eingesetzt werden kann, muss sie auf den Geräten der Endnutzer effizient arbeiten und dabei strenge Energie- und Wärmebeschränkungen einhalten. Techniken wie Quantisierung und Komprimierung spielen eine entscheidende Rolle bei der Bewältigung dieser Herausforderungen.

In diesem Webinar führt Amir Servi, Produktmanager bei Sony, durch das Model Compression Toolkit von Sony zur Quantisierung und Beschleunigung von Deep-Learning-Modellen für einen effizienten Edge-Einsatz. Sie werden lernen, wie Sie das gleiche für Ihr eigenes Modell tun können! Was Sie lernen werden:

- Unsere neuesten Forschungsergebnisse im Bereich der Quantisierungstechniken und ihre Umsetzung in ein praktisches Produkt

- Die Bedeutung der hardwarebewussten Komprimierung für Inferencing am Rand

- Wie Ingenieure und Forscher diese Techniken mit Sony MCT implementieren können

Ultralytics HUB senkt die Hürden für den Einstieg in die Welt des maschinellen Lernens und macht sie für Privatpersonen und Unternehmen gleichermaßen zugänglich, unabhängig von ihren Programmierkenntnissen. Erfahren Sie, wie diese Plattform die Art und Weise, wie wir maschinelles Lernen angehen, revolutionieren und eine neue Generation von Datenenthusiasten befähigen wird, ihre Ideen mit beispielloser Leichtigkeit in die Realität umzusetzen.

Und verpassen Sie nicht unsere große Ankündigung...

Der Einsatz modernster Modelle auf eingebetteten Geräten, von der Edge-GPU des NVIDIA Jetson bis hin zu winzigen MCUs, bringt Herausforderungen und Einschränkungen mit sich. Wir zeigen Ihnen, wie Sie diese Modelle, einschließlich YOLOv8, in einem optimierten Ansatz und mit der gesamten Edge-Performance für Videoanalyseanwendungen mit NVIDIA Jetson einsetzen können.

Glenn arbeitet unermüdlich daran, die beste Vision AI der Welt zu entwickeln. Für ihn ist dies nicht nur eine technologische Errungenschaft, sondern ein wichtiger Schritt auf dem Weg zur Verwirklichung des Potenzials von AGI. Die Speerspitzen dieses unerbittlichen Strebens sind keine anderen als YOLOv5, YOLOv8 und der Ultralytics HUB.

Was macht Ultralytics YOLO also zum Besten der Welt?

Die jüngsten Fortschritte in der Computer Vision wurden durch die Einführung der Transformator-Architektur und die benutzerfreundlichen Abstraktionen zum Pre-Training, zur Feinabstimmung und zur Inferenz in der 🤗 Transformatoren-Bibliothek erheblich vorangetrieben. Dieser Vortrag gibt einen Überblick über die neuesten transformatorbasierten Bildverarbeitungsmodelle, untersucht die in der 🤗 transformers-Bibliothek verfügbaren Dienstprogramme und bietet praktische Einblicke in die Philosophie dahinter.

Haben Sie genug von langen Schlangen an der Kasse im Einzelhandel? Unser Intelligent Queue Management System ist die Antwort! Wir zeigen Ihnen Schritt für Schritt, wie Sie ein solches System mit OpenVINO und YOLOv8 erstellen können. Wir führen Sie durch den Prozess der Integration dieser leistungsstarken Open-Source-Tools, um eine End-to-End-Lösung zu entwickeln, die in Einzelhandels-Kassenumgebungen eingesetzt werden kann. Sie werden lernen, wie Sie die Anwendung optimieren können, um eine hervorragende Leistung zu erzielen. Unabhängig davon, ob Sie ein erfahrener Entwickler oder ein Neuling auf dem Gebiet der künstlichen Intelligenz sind, erhalten Sie in dieser Sitzung praktische Tipps und Best Practices für die Entwicklung intelligenter Systeme mit OpenVINO. Am Ende der Präsentation werden Sie über das Wissen und die Ressourcen verfügen, um Ihre eigene Lösung zu entwickeln.

In einer Zeit, die von rasanten Fortschritten im Bereich der künstlichen Intelligenz (KI) geprägt ist, ist es von entscheidender Bedeutung, sich in der ethischen Landschaft dieser Technologie zurechtzufinden. In dieser Sitzung wird Mónica das komplizierte Netz ethischer Dilemmata entwirren, das die transformative Kraft der KI begleitet. Von der Auseinandersetzung mit Voreingenommenheit und Fairness bis hin zu Transparenz, Rechenschaftspflicht und den tiefgreifenden Auswirkungen von KI auf die Gesellschaft wird Mónica Einblicke geben, die die ethischen Überlegungen rund um KI beleuchten.

Dieser Vortrag bietet Ihnen die Gelegenheit, ein grundlegendes Verständnis der ethischen Herausforderungen und Verantwortlichkeiten im Zusammenhang mit KI zu erlangen. Mónica wird Sie mit Wissen ausstatten, das für jeden, der sich mit KI-Entwicklung, Entscheidungsfindung oder Politikgestaltung befasst, unerlässlich ist.

Basismodelle können hohe Anforderungen an die GPU-Berechnungen stellen und sind möglicherweise nicht für Echtzeitanwendungen geeignet, insbesondere wenn Sie Millionen von autonomen Verkaufsstellen skalieren möchten. Wir machen uns jedoch die Methode der Wissensdestillation zunutze, bei der wir unsere Basismodelle für komplexe Aufgaben wie Annotationen in kleinere und kostengünstigere Modelle umwandeln. Auf diese Weise können wir unseren Annotationsprozess bis zu 90 Mal schneller gestalten als die herkömmliche menschliche Beschriftung.

Pssst. Willst du ein Geheimnis hören? Was wäre, wenn ich Ihnen sagen würde, dass aktives Lernen nicht schwer sein muss. Was wäre, wenn es ... einen einfachen Weg gäbe? Da haben Sie Glück. In diesem Vortrag wird Ihnen genau gezeigt, wie Sie eine aktive Lernpipeline mit der Data Engine von DagsHub implementieren können. Und 90% der Pipeline kann direkt in einem Jupyter Notebook oder auf Google Colab laufen! Am Ende des Vortrags werden Sie die notwendigen Informationen haben, um Ihr bestehendes Projekt in eines umzuwandeln, das aktives Lernen nutzt, um die Metriken Ihrer Modelle effizient und schnell zu verbessern!

Die Verwendung von Open-Source-Tools mit YOLOv8 kann Ihnen helfen, Ihr nächstes KI-Projekt schnell zum Laufen zu bringen. Es gibt Repositories mit Open-Source-Bildern, Bibliotheken zur Automatisierung der Datenbeschriftung, Tools zur Verfolgung oder Zählung und Server für die Bereitstellung Ihrer Modelle. Erfahren Sie, wie Sie diese mit YOLOv8 nutzen können, um Ihre nächste Anwendung zu entwickeln.

Es wird erwartet, dass der laufende globale Wettlauf um größere und bessere Systeme der künstlichen Intelligenz (KI) tiefgreifende gesellschaftliche und ökologische Auswirkungen haben wird, indem er die Arbeitsmärkte verändert, Geschäftsmodelle stört und neue Governance- und gesellschaftliche Wohlfahrtsstrukturen ermöglicht, die den globalen Konsens für Klimaschutzmaßnahmen beeinflussen können. Die derzeitigen KI-Systeme werden jedoch auf voreingenommenen Datensätzen trainiert, die politische Behörden, die Entscheidungen zur Eindämmung des Klimawandels und zur Anpassung an den Klimawandel treffen, destabilisieren und die soziale Stabilität gefährden könnten, was möglicherweise zu gesellschaftlichen Umwälzungen führen könnte. Daher ist die Entwicklung eines weniger voreingenommenen KI-Systems, das sowohl die direkten als auch die indirekten Auswirkungen auf die Gesellschaft und die planetarischen Herausforderungen widerspiegelt, eine Frage von größter Bedeutung.

Die Quantisierung von Modellen des maschinellen Lernens (ML) kann zu einer erheblichen Verringerung der Modellgröße sowie zu einer Verringerung der Latenzzeit bei der Ableitung aufgrund geringerer Bandbreitenanforderungen führen. Beim Einsatz von Hardwareoptionen, die Ganzzahlberechnungen effizient unterstützen, können die Leistungsgewinne sogar noch dramatischer ausfallen. Allerdings kann die Quantisierung manchmal zu einer inakzeptablen Verschlechterung der Genauigkeit führen. In diesem Vortrag geben wir einen Überblick über die Methoden zur effizienten Quantisierung von YOLOv8-Modellen, was sie zu einer ausgezeichneten Wahl für verschiedene Echtzeit-KI-Anwendungen macht. Außerdem stellen wir eine Klasse von YOLOv8-Modellen mit ReLU6-Aktivierungsfunktion vor, die nach dem Training hervorragende Quantisierungsergebnisse für eine Vielzahl von Modellarchitekturen und Datensätzen zeigen. Schließlich zeigen wir, wie die quantisierten Modelle auf verschiedenen Hardwareoptionen wie CPUs, Edge TPUs und Orca (DeGirums KI-HW-Beschleuniger) unter Verwendung einfacher APIs eingesetzt werden können.

Ultralytics ist die Heimat für hochmoderne Computer-Vision-Modelle für Aufgaben wie Bildklassifizierung, Objekterkennung, Bildsegmentierung und Posenschätzung. Weights & Biases ist eine von Entwicklern entwickelte MLOps-Plattform, die es uns bei Integration in einen Ultralytics-Workflow ermöglicht, unsere Experimente und Modellprüfpunkte einfach zu verwalten und die Ergebnisse unserer Experimente auf eine aufschlussreiche und intuitive Weise zu visualisieren. In dieser Sitzung werden wir untersuchen, wie wir unsere Computer-Vision-Workflows mit Ultralytics und Weights & Biases effektiv aufladen können.

Erfahren Sie, wie wir PatentPT entwickelt haben, eine fortschrittliche Sprachmodelllösung, die die Möglichkeiten der Patentsuche und -interaktion erheblich verbessert. Die Präsentation bietet praktische Einblicke in die Feinabstimmung und den Einsatz großer Sprachmodelle und die Nutzung von Speicheragenten in Unternehmensqualität, um Patente automatisch zu vervollständigen, Zusammenfassungen und Ansprüche zu generieren und erweiterte Patentsuchfunktionen unter Verwendung des umfangreichen Patentkorpus durchzuführen. Wir zeigen Ihnen, wie Sie eine ähnliche Lösung unter Verwendung von Activeloops Deep Lake, der Datenbank für KI, Open-Source-LLM-Modellen, Habana Gaudi HPU-Hardware und den LLM-Inferenz-APIs von Amazon Sagemaker entwickeln können.

Wir führen Sie durch architektonische Entwürfe und alle Schritte, die wir zum Aufbau der Lösung unternommen haben - vom Training unseres LLM-Modells und dessen Feinabstimmung über die Erstellung benutzerdefinierter Funktionen bis hin zum Einsatz von Such-APIs.

Egal, ob Sie ein KI-Praktiker sind, der nach praktischen Anleitungen zur Feinabstimmung von LLMs sucht, ein Jurist, der KI für die Patentrecherche nutzen möchte, oder einfach nur neugierig auf die Zukunft von KI-gestützten Lösungen sind, unser Vortrag bietet einen Einblick in den Prozess und das Potenzial der Nutzung von LLMs in einem spezialisierten Bereich. Seien Sie dabei, wenn wir von unserer Reise zur Entwicklung maßgeschneiderter LLM-gestützter Apps auf der Grundlage von Deep Lake, der Datenbank für KI für große und kleine Unternehmen, berichten.

Open-Source-Unternehmen sind anders aufgebaut. In diesem Vortrag gehen wir darauf ein, worauf Investoren achten, wenn sie eine Investition in der Serie A in Erwägung ziehen. Spoiler: Sie brauchen vielleicht keine Einnahmen, aber Sie brauchen definitiv Schwung! Wir stellen Ihnen die besten Kennzahlen anderer OSS-Unternehmen vor, damit Sie herausfinden können, wann Sie investieren sollten.