A la une

Simplification des processus pour étiqueter, entraîner, superviser et déployer

Une interface intuitive aide vos collaborateurs qui n'ont pas besoin d'être compétents en apprentissage en profondeur pour composer des modèles pour les solutions d'IA. Des tâches comme l'étiquetage et l'entraînement de modèles sont simplifiées grâce à des détails techniques sous la forme d'une série de clics. Notre approche de "l'IA pour tous" attire les entreprises en améliorant l'efficacité et en accélérant la productivité pour la bonne réalisation de leurs missions.

Entraînement des modèles pour classifier des images et détecter des objets

En quelques clics, vous pouvez entraîner des modèles d'apprentissage en profondeur pour classifier des images ou détecter des objets importants. La création de modèles ne se fait désormais plus par codage mais par simple glisser-déposer d'images dans les catégories et en dessinant des boîtes de délimitation pour étiqueter les objets. Des détails techniques comme les réseaux neuronaux et les hyper paramètres sont abrégés et pré-configurés pour apprendre à partir du corpus d'exemples.

Introduction de l'étiquetage auto avec des modèles d'apprentissage en profondeur

En moyenne, les experts en données passent 80 % de leur temps à étiqueter et pré-traiter des ensembles de données pour l'entraînement. En outre, pour transférer cette tâche à des experts de domaine, nous apportons en continu des modèles d'apprentissage en profondeur entraînés à des ensembles de données étiquetées automatiquement. Les ensembles de données résultants s'additionnent pour créer les ensembles exhaustifs et étiquetés avec précision requis pour l'entraînement. L'apprentissage en profondeur sur l'étiquetage des données réduit considérablement les coûts et accélère le temps de déploiement des solutions d'IA pour les entreprises.

Analyse vidéo simple pour l'entraînement et l'inférence

Outre les images, nos outils peuvent travailler avec des vidéos pour créer des ensembles de données et inférer. En quelques clics, vos vidéos peuvent être importées et les trames peuvent être traitées pour étiqueter les ensembles de données. Les modèles entraînés peuvent annoter les flux vidéo avec des objets.

Extension des solutions d'IA avec des modèles personnalisés.

Les spécialistes des données peuvent également importer des modèles personnalisés (TensorFlow) à entraîner, adapter, superviser et déployer. PowerAI Vision prend également en charge la personnalisation des images brutes avant traitement durant l'étiquetage des ensembles de données. Les spécialistes des données peuvent désormais transférer la tâche d'entraînement et de déploiement pour se concentrer sur la création de modèles innovants pour leurs missions.

Déploiement de modèles sur site, dans le cloud ou sur des dispositifs edge

PowerAI Vision offre une flexibilité avec le déploiement de modèles entraînés. Une ressource centrale à calcul intensif peut être affectée à l'entraînement mais le modèle résultant peut être déployé dans les centres de données locaux, dans le cloud et même sur des appareils edge avec des puces d'IA. Un outil de clic pour les développeurs compile les modèles accélérés à déployer sur les cartes FPGA.

Etudes de cas clients

Entraînement de modèles pour classifier des images

Étiquetage automatique des vidéos pour entraîner les modèles à la détection d'objet

Utiliser l'apprentissage continu pour étiqueter les objets

Utilisation par les clients

  • Assurer la sécurité des travailleurs

    Assurer la sécurité des travailleurs

    Problème

    D'après l'Organisation internationale du travail, toutes les 15 secondes, 151 travailleurs sont victimes d'un accident lié au travail et 321 000 ont un accident du travail mortel. Les accidents du travail demeurent un problème énorme qui touche tous les secteurs, ce malgré les réglementations et procédures de sécurité.

    Solution

    Les secteurs utilisent des technologies IA pour superviser et appliquer les règles de sécurité. Les applications de vision par ordinateur intégrées peuvent avertir les travailleurs lorsqu'ils pénètrent dans des environnements dangereux, ou analyser une zone de construction pour prévenir les superviseurs qu'ils doivent agir.

  • Surveillance de drones pour le secteur de l'énergie et des services collectifs

    Surveillance de drones pour le secteur de l'énergie et des services collectifs

    Problème

    Les sociétés d'énergie se basent sur la main d'œuvre pour inspecter visuellement leurs tours situées dans des espaces étendus. Les inspections manuelles sont réputées onéreuses, risquées et lentes, en particulier lorsque les tours se trouvent sur des terrains montagneux inaccessibles.

    Solution

    Les sociétés d'énergie transforment les taches d'inspection en déployant des drones équipés de caméras pour capturer les données d'inspection. Dans ce type de secteur, l'IA peut réduire les délais de 90 %, augmenter la fréquence et réduire le risque pour les travailleurs.

  • Des renseignements visuels pour garantir la qualité

    Des renseignements visuels pour garantir la qualité

    Problème

    Les activités de production utilisent la confirmation visuelle pour vérifier que les pièces sont exemptes de défauts. Le volume des inspections, les SKU produit, et la diversité des défauts sont autant de difficultés à relever pour livrer un produit de haute qualité.

    Solution

    Les modèles d'apprentissage en profondeur déployés au niveau des ateliers garantissent une faible latence de décision durant la production. Les systèmes apprennent en permanence des retours d'information transmis par les inspecteurs manuels. L'IA commence à fournir des résultats fiables avec de faibles taux d'échappement.