由Qeexo嵌入式机器提供的AI亮相于边缘设备

嵌入式技术

1327人已加入

描述

Qeexo嵌入式机器学习,不依靠云端中运行实时机器学习推理的嵌入式边缘设备,是一个轻量级的通用平台。嵌入式解决方案是基于一个支持1.7亿以上台智能手机和平板电脑的全通过产品如FingerSense和EarSense世界Qeexo自己的机器学习平台。Qeexo嵌入式机器学习,甚至可以收集已经收集的数据,将帮助您了解,通过自己的产品和设备所产生的传感器数据。芯片的CEO随着价格的下降和功能越来越高,我们相信机器学习将朝着最前沿发展。

Qeexo的嵌入式机器学习可以为所有行业的产品和流程增添智能。例如,在工业环境中、过程、设备并通过安装一个传感器Qeexo驱动监测和分析在植物中的产品,它可被操作在更理想的状态机更长的时间。在汽车行业,如果在Qeexo的内置机器学习功能的传感器,就可以得到路况和车况,或大约立即预知维护的汽车的信息。在智能家居和物联网领域,边缘设备可以以更低的价格与扩展方便功能。

Qeexo机器学习平台以毫秒为单位比人类感知快速延迟,对功耗的内存和处理的要求非常低,并与各类传感器数据的工作。延迟以毫秒为单位由于以毫秒为单位的延迟Qeexo比人类感知,引起Qeexo的机器学习感受即时的反应速度更快。

在传统上机器学习,计算不能在敏感的应用中使用这样的时间,触摸屏时间太长,需要触控界面可能会混淆未能立即响应用户。然而,如已经通过FingerSense和EarSense证实,Qeexo的机器学习将不同类型的输入方法之间立即区分,它就能提供及时反馈给用户输入。

功耗、存储器和处理要求非常低嵌入式和移动应用程序都受到处理能力、内存和功耗的影响。嵌入式机器学习Qeexo是高度优化,从而允许边缘设备的推断。这也使其更广泛适用。传感器数据

Qeexo嵌入式机器学习平台支持各种传感器数据。据行业专家称,到2020年将部署超过1万亿个传感器。 Qeexo的内置机器学习可以利用这些传感器收集的大量数据,使每台设备更智能,更易于使用。其中最常见的抱怨是投资收集和存储数据的成本,但是许多公司不知道如何充分利用它。 即使有分析,它通常也是最简单的。通过高端机器学习算法,Qeexo的嵌入式机器学习帮助公司了解传感器数据的价值。

Qeexo机器学习技术实力的另一个证明是,Joexo的产品EarSense在软件和移动应用程序分类方面获得了CES 2019创新奖。 EarSense于今年7月进入了OPPO Find X手机器,用最先进的AI技术取代了接近传感器,以便在用户接听电话时关闭屏幕。通过消除对接近传感器制造商的需求,EarSense实现了真正的全屏设计。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分