行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 机器视觉 正文

Ruff 推出百元以内AIoT人脸识别模组终端

[摘要] 随着物联网业务场景的逐步扩大,越来越多的场景需求开始基于技术的创新逐步升级。

  随着业务场景的逐步扩大,越来越多的场景需求开始基于技术的创新逐步升级。此次 Ruff 正式对外推出的 A 新产品是一款名为“Ruff Face ID”的模组及终端产品,基于物联网+技术,将原先复杂的AI算法,嵌入到35mm*42mm大小的芯片模组中,其中 AI 芯片提供了机器视觉和语音识别能力的神经网络计算。

1.jpg

  Ruff Face ID终端打卡机

  通过神经网络加速器IP,芯片可以在超低功耗下进行高速卷积神经网络计算,如基于卷积神经网络的目标检测和图像分类任务、人脸检测和人脸识别、多分类物体检测与识别等。

2.jpg

  Ruff Face ID Module

  Ruff Face ID 具有机器视觉及听觉能力,在实际业务场景中,可以在设备边缘进行数据存储和计算,实现低功耗视觉处理速度和准确率。同时具有卷积人工神经网络硬件加速器KPU,可高效能进行卷积人工神经网络运算。

  相对于目前市场上其他的人脸识别模组,Ruff Face ID 具备以下竞争优势:

  实现物联网和AI的边缘计算融合

  在实时性要求很高的情况下,从云端到边缘的需求被逐步放大。对于人脸识别追踪的任务关键型应用程序中,本地数据处理或边缘计算将开始成为必需。

  Ruff Face ID 的 AI 芯片可实现边缘计算的离线处理,深度神经网络的高级机器学习模型被基于场景进行优化,以在边缘运行包括视频帧、语音合成、时间序列数据和由摄像机、麦克风和其他传感器等设备生成的。

  基于物联网和 AI 的边缘计算融合,可以实现在业务场景中更加高效快速的响应,同时减少云端数据的存储和运行成本,特别是一些重复性、价值性不高的数据,可以在本地直接边缘计算掉。

  即装即用,打通端到端的数据联网

  对于企业客户或者厂商来说,智能化的技术在落地到产品层的过程中会经历各种复杂的设备与数据的对接,包括底层技术到模组、模组到设备、设备到数据以及数据到云端,对于技术实力欠缺的企业厂商来说,要克服这些鸿沟既需要花费大量时间成本,还需要对应的技术人员参与其中。

  Ruff Face ID 提供了人脸识别的整套模组以及云端服务。云端服务以 SaaS 形式提供给用户,用户可以直接通过调用相应的 SDK 或 API,完成远程设备管理,包括固件升级、算法更新、人脸识别结果消息推送、历史记录查看、远程人脸特征数据管理等,从而让用户实现即装即用的便捷性。

  百元以内低成本,让 IoT+AI 更快普及

  以往的 AI 芯片处理方式是图像等数据传输到云端处理,处理速度快,但是流量费用很高,实时响应不够及时,特别是在任务关键型应用中;而另一种是本地离线处理,但用通用计算的 GPU 或 CPU 来运行,硬件成本又会很高。Ruff Face ID 内置了一颗  AI  专用计算单元  KPU,因此实现了低成本离线的 AI 能力。

  随着整体 AIoT 的技术成熟和上下游厂商的出货量增加,在终端客户最关心的价格方面,Ruff Face ID 目前可以做到百元以内的出货成本,极大的降低了终端客户的使用运维成本。

  未发先热,Ruff Face ID 被多家媒体争相报道

  Ruff Face ID 在正式推出之前,亮相了2019“创业在上海”国际创新创业大赛,被多家媒体争相报道,包括东方财经、上观新闻、你好张江、文汇报、青年报、央视新闻移动网等。

  作为专注于物联网领域的技术创新企业,Ruff 从2015年成立开始,就一直聚焦于物联网领域的技术研发和产品化落地,先后推出了业内首款支持 JavaScript 应用开发的物联网操作系统、物联网智能网关硬件以及智慧城市行业解决方案。此次推出的 AIoT 人脸识别模组预示着 Ruff 将在 AIoT 领域持续落地更多商业化产品及解决方案。

 

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2028 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注

扫码入群
扫码关注

微信公众号

返回顶部