Skip to content
Mit der neuen Version der tinyML-Plattform von Imagimob lassen sich innerhalb von Minuten KI-Tiefenlernmodelle erstellen

Press release -

Mit der neuen Version der tinyML-Plattform von Imagimob lassen sich innerhalb von Minuten KI-Tiefenlernmodelle erstellen

Heute hat Imagimob bekannt gegeben, dass die neue Version seiner tinyML-Plattform ab sofort für seine Kunden verfügbar ist. Mit der neuen Version können Entwickler leichter und schneller einsatzbereite tinyML-Anwendungen auf Edge-Geräten erstellen und bereitstellen.

Einige der neuen Funktionen sind:

Starter-Projekte
Starter-Projekte sind ein neues Konzept, das Entwicklern erhebliche Zeiteinsparungen ermöglicht. Dabei wird die Qualität der KI-Anwendung erhöht und der Zeitaufwand für die Umsetzung verringert. Ein Entwickler kann ein Starter-Projekt aus einer Liste vordefinierter Projekte auswählen und innerhalb von Minuten KI-Tiefenlernmodelle erstellen. Das Starter-Projekt enthält beschriftete Datensätze, Vorverarbeitungsblöcke und ein vortrainiertes KI-Modell. Alles, was für den Start benötigt wird, ist bereits enthalten, und alle Inhalte wurden von Imagimob qualitätsgesichert. In dieser Version sind die folgenden Starter-Projekte enthalten und in die Plattform integriert:

  • Projekt Radarbasierte Gestenerkennung mit Acconeer, das den Acconeer A1-Sensor nutzt
  • Projekt Radarbasierte Gestenerkennung mit Texas Instruments, das den mmWave-Radarsensor IWR6843AOP von Texas Instruments nutzt
  • Projekt Keyword Spotter (Audio), das Daten von einem Mikrofon nutzt
  • Projekt Erkennung menschlicher Aktivitäten, das Daten von einem 3-Achsen-Beschleunigungssensor nutzt
  • Projekt Erkennung im Innen-/Außenbereich, das Umgebungsdaten von Nordic Thingy:91 nutzt

Viele weitere Starter-Projekte befinden sich in der Entwicklung und werden in Kürze bekannt gegeben.

Verbesserte AutoML-Funktion
Die AutoML-Funktion wurde gegenüber früheren Versionen der Plattform noch weiter verbessert. Die AutoML-Funktion berücksichtigt beschriftete Datensätze, die Vorverarbeitungsblöcke, die neuronalen Netzarchitekturen – und erstellt für den Entwickler eine Liste geeigneter Modellarchitekturen. Dann werden die Modellarchitekturen in unserem Cloud-basierten Trainingsservice trainiert, und der Entwickler kann sich auf die Auswertung und die Auswahl des besten Modells konzentrieren.

Leistungsvisualisierung
Es ist einfach, bei der Auswahl eines Modells Zahlen zu vergleichen. Die daraus gewonnenen Erkenntnisse reichen jedoch nicht aus, um wirklich entscheiden zu können, ob ein Modell produktionsreif ist oder nicht. In dieser neuesten Version wurden die Möglichkeiten der Entwickler zur Visualisierung der Modellergebnisse zusammen mit ihren Daten verbessert. So erhalten sie ein fundiertes Verständnis der Reaktion des Modells auf unterschiedliche Ereignisse in den Datensätzen und können sich mit den Stärken und Schwächen verschiedener Modelle vertraut machen.

Die neue Version ist ab sofort verfügbar und kann auf der Website von Imagimob heruntergeladen werden. 

Categories


Imagimob ist ein schnell wachsendes Start-up, das als eines der führenden Unternehmen die Innovation im Bereich Edge-KI und tinyML vorantreibt – und so den intelligenten Produkten der Zukunft den Weg bereitet. Das im schwedischen Stockholm ansässige Unternehmen beliefert seit 2013 globale Kunden aus den Bereichen Automobil, Fertigung, Gesundheitswesen und Lifestyle. Im Jahr 2020 brachte Imagimob seine SaaS-Lösung Imagimob AI für die schnelle und einfache End-to-End-Entwicklung von Edge-KI-Anwendungen für Geräte mit eingeschränkten Ressourcen auf den Markt. Imagimob AI führt und unterstützt die Nutzer beim gesamten Entwicklungsprozess, wodurch eine bahnbrechende Produktivität und eine schnellere Time-to-Market erreicht werden. Das erfahrene Team von Imagimob hat sich dem Ziel verschrieben, stets auf dem neuesten Stand der Forschung zu bleiben – und neu und groß zu denken. 

Contacts

  • 3_grey.jpg
    3_grey.jpg
    License:
    All rights reserved
    File format:
    .jpg
    Size:
    1500 x 897, 165 KB

Related content