お問い合わせ

コース概要

エッジAIによるコンピュータビジョン入門

  • エッジAIの概要およびそのメリットについて解説する
  • クラウドベースAIとエッジAIを比較して説明する
  • リアルタイム画像処理における主な課題点を挙げる

エッジデバイス上での深層学習モデル導入法

  • TensorFlow LiteおよびOpenVINOの基礎知識を解説する
  • エッジ環境向けモデルの最適化・量子化手法を学ぶ
  • 実例としてYOLOv8モデルをエッジデバイス上で稼働させる手順を紹介する

リアルタイム推論のためのハードウェア加速技術

  • JetsonやCoral、FPGAといったエッジコンピューティング用ハードウェアを紹介する
  • GPUおよびTPUを用いた加速処理の方法論を示す
  • 性能評価基準とベンチマーク測定法について説明する

リアルタイム物体検出・追跡技術の実践手法

  • YOLO系モデルを用いた物体検出処理の構築法を学ぶ
  • 動く物体をリアルタイムで追跡する方法論を説明する
  • 複数センサー情報の融合処理により検出精度向上させる手法を紹介する

エッジAIモデルの最適化技術について

  • 不要なネットワーク構造の削除や量子化処理によるモデルサイズ縮小法を学ぶ
  • 遅延抑制および消費電力低減のための最適化技術を説明する
  • エッジAIモデルの再学習・微調整手法について解説する

IoTシステムとの連携におけるエッジAIの活用法

  • スマートカメラや各種IoTデバイス上でAIモデルを導入する方法論を学ぶ
  • エッジAIがリアルタイムな意思決定プロセスにおいて果たす役割について考察する
  • エッジデバイスとクラウドシステム間のデータ通信メカニズムを説明する

エッジAIにおけるセキュリティおよび倫理的課題について

  • エッジAIアプリケーション特有のデータ保護問題点を論じる
  • 悪意ある攻撃に対するモデル保護手法について解説する
  • AI関連法規制への対応方法および倫理的AI原則の重要性を述べる

総括と今後の展望について

要求

  • コンピュータビジョンに関する基礎知識があること
  • Pythonおよび深層学習フレームワークの使用経験があること
  • エッジコンピューティングやIoTデバイスについての基礎理解があること

対象者

  • コンピュータビジョンエンジニア
  • AI開発者
  • IoT関係者
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー