详细内容或原文请订阅后点击阅览

与Sima.ai Edgematic一起加速EDED AI开发与无缝AWS集成

2025年5月16日 16:28 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们演示了如何使用SageMaker AI和Sima.ai Palette软件套件对模型进行重新训练和量化。目的是准确检测个人在可见性和保护设备检测对于合规性和安全性至关重要的环境中。

来源:亚马逊云科技 _机器学习
这篇文章由Sima.ai的Manuel Lopez Roldan和AWS高级解决方案建筑师的Jason Westra合着。您是否希望将机器学习（ML）模型部署在边缘？借助Amazon Sagemaker AI和Sima.ai的调色板平台，您可以在各种用例中有效地构建，训练和部署优化的ML模型。旨在在SIMA的MLSOC（芯片上的机器学习系统）硬件上工作，您的模型将在整个Sima.AI产品家族中具有无缝的兼容性，允许轻松扩展，升级，过渡，过渡和混合匹配功能，并降低了总体成本的最小程度，以确保人类的安全性和制造业的安全，并构建了构造餐厅，并构成了构建餐厅，并构成了构建餐厅，并构成了制造业，并构成了制造业，并且构造了构造的范围，并限制了构造的餐桌，并限制了构造的范围，并将其限制为范围内，并限制了构造的餐桌，并将其限制为范围。事故和执行合规性。基于云的图像识别通常在低潜伏期至关重要的安全用例中缺乏。但是，通过在SIMA.AI MLSOC上部署优化的对象检测模型来检测个人保护设备（PPE），您可以在边缘设备上直接在边缘设备上直接进行实时监控，而无需与基于云的推断相关联的延迟。目的是准确检测个人在可见性和保护设备检测对于合规性和安全性至关重要的环境中。然后，我们将在短短几分钟内展示如何在调色板中创建新应用程序。 This streamlined process enables you to deploy high-performance, real-time monitoring directly on edge devices, providing low latency for fast, accurate safety alerts, and it supports an immediate response to potential hazards, enhancing overall workplace safety.Solution overviewThe solution integrates SiMa.ai Edgematic with SageMaker JupyterLab to deploy an ML model, YOLOv7, to the edge. YOLO模型
ai 应用程序 过渡 构造的 Sima 机器学习 潜伏期 部署 ML 图像识别 调色板 边缘设备 餐厅 构成 实时监控 相关联的 学习系统 范围 合规性 制造业 无缝的 保护设备 AI 建筑师 相关联 模型 兼容性 限制 构建 重要的 可见性 检测 安全性 关联的