1. 主页 > 人工智能 >

物联网机器学习和Azure Sphere

物联网
    物联网(IoT)的步伐日新月异,可以在许多消费者,企业和工业部门中实现新的应用程序和业务模型。当您将“事物”连接到Internet时,您将连接新的数据源,这会导致存储或上载成本高昂且占用大量资源。随着物联网的持续增长,组织和用户都在将物联网与机器学习和AzureSphere配对应用中发现了巨大的好处。
 
 
    ML能够出色地处理嘈杂的传感器数据,从而确定更高级的见解,例如振动传感器数据流中的“正常运行”与“冷却装置故障”,或音频流中的“检测到唤醒字”,或“物品放置正确””与视频流中的“项目不当”。
 
    ML可以在IoT设备本身,云中或两者的组合中使用。物联网设备上的ML使处理更接近于数据生成。这具有很多好处,其中包括:(a)不依赖互联网连接来确定较高级别的状态,并在此基础上采取行动;(b)减少了将数据传输到云所消耗的资源;以及长期不需要的数据可以立即使用,然后删除而不是存储,(c)它可以增强隐私性,因为原始数据可能包含更多的个人信息(例如,旨在收听的音频传感器意外捕获的语音)机器行为),因此,如果在本地处理和丢弃数据,则隐私风险较小。
 
    当然,在云中运行ML也有很多好处。大量服务器资源的可用性意味着基于云的ML可以更快,并且可以使用更复杂的模型来实现更高的准确性。耗费大量资源的模型的重新训练可以更快,并且模型的重新部署可以立即进行。
 
    混合设计也是可能的,其中涉及IoT设备和云中的ML。我们大多数人都会认识到的一个示例是语音助手-唤醒词在设备上本地识别。尽管如此,语音数据仍将流式传输到云服务,在该服务中完成语言理解和响应生成。
 
    AzureSphere和机器学习
 
    您可以使用AzureSphere来构建IoT设备,同时依靠Microsoft来保持对OS安全威胁的关注,这意味着您可以专注于定义设备的实际应用程序逻辑,包括适当的ML。
 
    将AzureSphere用于ML应用程序有很多优点。
 
    首先,Microsoft在设备的整个生命周期内对其进行保护。由于许多需要ML的设备都包括传感器,例如照相机或麦克风,因此对持续的安全性进行投资非常重要。这是隐私的前提条件-不安全的设备无法保护私有数据。
 
    其次,AzureSphere为设备提供了唯一身份,并提供了一个证书,用于对该身份进行编码以连接到云服务。结果是没有其他设备可以伪装成该设备。这对于ML应用尤其重要,因为被错误地认为是来自设备的数据会污染训练数据集,从而降低ML性能。
 
    第三,AzureSphere的应用程序更新服务提供了一种更新ML模型和ML运行时的简便方法。
 
    最后,机器学习模型是有价值的知识产权,AzureSphere平台的安全性可以保护那些模型。
 
    AzureSphere通过“TinyML”支持机器学习,并详细介绍了可以在MT3620上运行的四种不同的TinyML解决方案。这篇文章将描述将这些ML解决方案之一与云ML服务结合使用的演示,展示如何使用AzureSphere构建这种混合ML解决方案是多么容易。
 
    识别面孔:机器学习和AzureSphere启用认知服务
 
    为了说明基于AzureSphere的ML和云ML如何协同工作,我们将使用一个识别个人的示例应用程序。这可用于诸如根据用户个性化其体验的设备或安全应用程序(如仅允许经过授权和训练有素的人员进入工业建筑中潜在危险的地点)之类的场景。
 
    面部识别由Azure认知服务支持。培训此认知服务以识别个人非常容易。但是,如果将其直接用于监视用户的IoT设备,则该IoT设备将不得不不断上传图片,由于许多原因,包括带宽和云服务成本,隐私隐患和能源,这是一个糟糕的设计。消耗。
 
    另一方面,将这种机器学习模型部署到MT3620会遇到困难。需要针对每个设备的个人用户重新训练合适的ML模型,这意味着每个IoT设备都需要一个不同的模型。某些ML模型很大,尽管可以使用各种技术对其进行压缩,但最终,对于某些任务而言,高性能可能无法实现。
 
    解决方案是使用混合方法。在我们的面部识别示例中,我们使用Mediatek作为Neuropilot-Microframework的一部分提供的预先存在的模型对MT3620进行人检测。仅当感测到一个人时,我们才需要使用认知服务进行面部验证以确定身份。
 
 
    我们使用联发科记录的同一个人检测硬件和NeuroPilotMicroML模型构建了此演示。要使用CognitiveServicesFaceAPI,此网页介绍了入门方法,并包含指向该API样本的链接。
 
    负责任的AI
 
    最后,我们应该注意,机器学习是一项负责任地应用的特别重要的技术。基于ML的产品应设计为保护诸如包容,以人为本,行为可理解和促进公平等原则。

本文由网上采集发布,不代表我们立场,转载联系作者并注明出处:http://www.34iot.com//a/peixun/224.html

联系我们

在线咨询:点击这里给我发消息

微信号:weixin888

工作日:9:30-18:30,节假日休息