Amazon Sagemaker 与 NVIDIA Jetson 平台结合打造智能边缘
随着物联网和AI芯片的发展，未来将会有越来越多的数据在边缘侧处理。很多业务场景已经对边缘智能提出了明确的需求，比如自动驾驶的汽车每天会产生5TB的数据，而智能工厂每天产生的数据高达1PB，其中包含视频和传感器的数据。如果不能借助边缘智能技术而依靠Internet网络把数据传输至云端处理，会造成网络延迟和拥塞，影响推理结果的实时性，造成生产事故甚至于安全事故。所以本篇将介绍使用Amazon SageMaker和Nvidia Jetson使用云+端结合的方式打造一个边缘推理的方案，整体方案架构如下： 在正式了解Amazon Sagemaker与NVIDIA Jetson平台之前，我们先了解一下什么是目标检测和YOLO。 目标检测与 YOLO(You Only Look Once) 目标检测是计算机视觉中的一个重要分支，但由于在边缘设备或移动端中部署神经网络模型需要很大的算力或GPU处理能力。近年来由于边缘AI芯片的算力增强，再加上边缘智能有着更广泛的应用场景，围绕机器学习模型在边缘设备上的高效应用等研究课题逐步火热。 目前在目标检测领域的深度学习方法主要分为两类：一类是 two stage的目标检测算法；另外一类是 one stage的目标检测算法。 前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类；后者one