Que les entreprises utilisent l’apprentissage automatique pour réaliser  une maintenance prédictive ou créent de meilleures expériences d’achat au détail, ML a la capacité de débloquer de la valeur dans une myriade de cas d’utilisation. Nous sommes constamment inspirés par toutes les façons dont nos clients utilisent Google Cloud AI pour la compréhension des vidéos et des images, de l’utilisation de la recherche d’images par eBay pour améliorer leur expérience de magasinage à AES en utilisant AutoML Vision pour accélérer un avenir énergétique plus vert et aider à rendre leurs employés plus sûr. Actuellement nous introduisons un certain nombre d’améliorations à notre portefeuille Vision AI pour aider encore plus de clients à tirer parti de l’IA.

AutoML Vision Edge détecte désormais les objets

L’exécution de l’apprentissage automatique sur des appareils périphériques tels que des caméras connectés et des capteurs peut faciliter les entreprises à tout faire, de détecter les anomalies plus rapidement à prédire efficacement la maintenance. Mais l’optimisation des modèles d’apprentissage automatique pour fonctionner en périphérie peut être difficile car ces appareils sont souvent confrontés à une latence et à une connectivité peu fiable. En mois d’avril, nous avons annoncé AutoML Vision Edge pour aider les entreprises à former, construire et déployer des modèles ML à la périphérie, en commençant initialement par la classification des images. 

Aujourd’hui, AutoML Vision Edge peut désormais effectuer la détection d’objets ainsi que la classification d’images, le tout directement sur votre périphérique Edge. La détection d’objets est importante pour les cas d’utilisation tels que la détection de défauts sur une bande transporteuse à déplacement rapide ou l’évaluation des stocks sur une étagère de vente au détail, l’identification de pièces d’une tenue dans une application de magasinage,. Les modèles AutoML Vision Edge sont optimisés pour une faible empreinte mémoire et offrent une faible latence tout en offrant une grande précision. AutoML Vision Edge prend en charge une variété de périphériques matériels qui utilisent des GPU NVIDIA, ARM ou d’autres chipsets, ainsi que des systèmes d’exploitation Android et iOS.

La start-up TRYON, activée par l’IA spécialisée dans la conception et la production de logiciels de réalité augmentée pour le commerce électronique de bijoux et les magasins de détail, utilise les capacités de suivi d’objets d’AutoML Vision Edge pour alimenter une expérience d’achat en réalité augmentée.

«Chez TRYON, nous utilisons la réalité augmentée (AR) pour créer une expérience où les clients peuvent essayer des bijoux avant de faire un achat», explique Andrii Tsok, co-fondateur, CTO chez TRYON. «Les clients peuvent essayer des bracelets des bagues, et des montres à tout moment et n’importe où avec leurs smartphones, afin qu’ils puissent avoir une meilleure idée de l’apparence des bijoux. Pour fournir ce service aux clients et aux détaillants, nous devons créer un modèle d’IA personnalisé qui fonctionne sur le téléphone du client. Nous avons évalué AutoML Vision Détection d’objets Edge et nous avons été tellement impressionnés par la précision et la vitesse que nous avons décidé d’inclure le modèle de détection d’objets dans notre première version bêta. En intégrant la détection d’objets Edge d’AutoML Vision dans notre plateforme, nous prévoyons de doubler notre productivité en réduisant la quantité de ressources et du temps pour gérer les infrastructures internes. “

TRYON’s AutoML Vision Edge powered AR shopping experience

AutoML Video suit désormais les objets et plus encore

En avril, nous avons lancé AutoML Video Intelligence pour permettre aux entreprises de former plus facilement des modèles personnalisés à identifier le contenu vidéo en fonction de leurs propres étiquettes définies. Aujourd’hui, nous avons intégré la détection d’objets à AutoML Video, ce qui lui permet de suivre le mouvement de plusieurs objets entre les images. C’est à dire un composant important d’une large gamme d’applications telles que la navigation robotique, l’analyse sportive, la gestion du trafic, la, etc.

Exemple: suivi des modèles de trafic

L’API Video Intelligence peut désormais reconnaître les logos:

L’API Video Intelligence propose quelque modèles d’apprentissage automatique pré-formés qui reconnaissent automatiquement un grand nombre d’objets, de scènes et d’actions dans les vidéos stockées et en streaming. Désormais, l’API Video Intelligence peut également détecter, suivre et reconnaître les logos d’entreprises et d’organisations populaires. Avec la capacité de reconnaître plus de 100 000 logos, la fonction de reconnaissance de logo Video Intelligence est idéale pour la sécurité de la marque, le placement d’annonces et les cas d’utilisation de parrainage sportif.

Ces nouvelles améliorations sont disponibles aujourd’hui. Visitez notre site Web Vision Pour en savoir plus sur nos produits d’image et en savoir plus sur nos produits vidéo. Nous sommes ravis d’offrir cette nouvelle fonctionnalité et nous avons hâte de voir comment vous allez l’utiliser pour insuffler de l’IA dans vos applications.