エッジでのディープラーニング
この投稿は、Citilog社のCEOであるEric Toffinによって書かれました。 Ericについてはこの投稿の末尾をお読みください。
最新ARTPECチップテクノロジーの処理能力（リンク先英語）の向上により、エッジに完全に埋め込まれたディープラーニングアプリケーションに新しい可能性がもたらされます。 Citilog社のCEOであるEric Toffinは、インテリジェントなトラフィック管理ソリューションの進化を検証し、エッジベースのディープラーニングテクノロジーの将来の利点を見据えています。
エッジベースのディープラーニングの利点
高度道路交通システムのパイオニアとして、20年以上の経験を持つCitilog社は、数え切れないほどのテクノロジー初という経験をしました。 我々の業界で最も重要な2つは、2008年から2012年の間にアナログからIPビデオへの移行と、サーバーベースのトラフィック管理ソリューションからクラウドベースおよびエッジベースのソリューションへの2016年からの移行です。
クラウドベースのネットワークの導入以来、IoTの採用は急速に増加しています。 そして専門家は、2025年までに750億台を超える（リンク先英語）IoTデバイスが存在すると予測しています。これは、10年間で5倍の増加を意味します。 ただし、これらのデバイスは大量のデータを生成するため、新しい5Gネットワークでさえも単独では管理できません。
したがって、計算とサービスをクラウドからネットワークのエッジに分散化すると同時に、エッジデバイスの処理能力を向上させるという競争が始まっています。 エッジベースのソリューションはクラウドまたはサーバーベースのコンピューティングに取って代わるとは予測されていませんが、2019年の新しいプロジェクトの70％にエッジベースの分析が含まれていることがわかりました。 そして、いくつかの明確な利点があります。
- 帯域幅の消費量が少ない
これはおそらく最も明白です。 クラウドベースのトレーニングおよび推論モデルでは、デバイスが膨大な量の生データをクラウドに送信する必要があるため、膨大なネットワーク帯域幅を消費します。 逆に、エッジベースのディープラーニングは分析されたメタデータのみを送信し、使用可能な帯域幅のごく一部を必要とします。
- レイテンシーの短縮
高速交通インシデント管理の場合、レイテンシーの遅延により、インシデントの根本的な原因を把握するか、完全に見落とすかが異なります。 エッジベースのディープラーニングにより、検出時間が最重要である逆走運転検出など、中央通信なしでリアルタイムアプリケーションを提供できるようになりました。
- 信頼性の向上
クラウドベースまたはサーバーベースの分析はワイヤレスネットワークに大きく依存しているため、カバレッジの中断は結果に大きな影響を与える可能性があります。 ただし、エッジベースのディープラーニングでは、すべてのコンピューティングがデバイス自体で行われ、ネットワークカバレッジの間欠的な停止の影響を受けにくくなります。
- プライバシーコンプライアンス
最重要事項ではないかもしれませんが、ナンバープレート番号などの個人情報は、プライバシー関連の法律によってますます保護されています。 クラウドに転送される個人データの量を最小限に抑えることで、プライバシーのコンプライアンスを確保することもできます。
- コスト削減
大量の生データではなく分析されたメタデータを送信することで、追加のストレージデバイスや過度のクラウドベースのストレージ料金が不要になります。 ハードウェアとストレージのコストを節約できるだけでなく、システムの消費電力も大幅に削減され、費用と環境への影響の両方が最小限に抑えられます。
パフォーマンス向上のためのディープラーニング
ディープラーニングソリューションがサーバーベース、クラウドベース、エッジベースのどちらであるか、またはそのハイブリッドバージョンであるかに関係なく、ディープラーニングの真の価値がどこにあるのかを理解することが重要です。 結局のところ、映像解析は長年にわたって交通当局が道路上の圧倒的な数のカメラの監視を支援するために使用されてきました。
以前のブログ（リンク先英語）で説明したように、単純なアラートベースの監視の最大の課題は、大量の誤警報が発生することです。 特に交通管理の場合、これは効果的なビデオベースのインシデント管理ソリューションが、これまで制御された照明条件のトンネルに制限されていたことを意味します。
ただし、データを検出、識別、分類するためのディープニューラルネットワーク（DNN）の導入により、車両、自転車、人を区別できるようになりました。 さらに、ビデオソリューションをトレーニングして、変化する光の状況での影、反射、まぶしさを認識できるため、誤警報率を減らし、効果的なビデオベースのインシデント管理の使用を高速道路や橋梁にまで拡大できます。
ディープラーニングの「誇大広告」にご注意
多くのテクノロジートレンドと同様に、人工知能（AI）は多くの混乱と誤った期待を生み出します。 しかし実際には、すべてのディープラーニングソリューションが同じように作成されているわけではありません。 他のインテリジェントビデオアプリケーションと同様に、リアルタイムトラフィック管理ソリューションの品質は、堅牢なデータセットと画像品質という２つの主要な要素に依存しています。 Citilog社のソリューションは、交通事故管理における20年以上の経験から得られた数万の関連する高品質ビデオ画像に「トレーニング」されています。 そして、それは彼らのパフォーマンスで証明され、業界で最も低い誤警報率を生み出しながら、実行可能なイベントを確実に検出します。 Citilog社ディープニューラルネットワークとAxisビデオテクノロジーの独自な組み合わせにより、エッジベースのディープラーニングが可能になりました。 そして、私たちのソリューションは、世界中の交通当局に、より優れた検出率とより低い誤警報率を提供しています。
よりスマートな道路のためのソリューションの詳細：
Eric Toffin はCitilog社の最高経営責任者です。 機械工学のバックグラウンドと20年に及ぶフィールドでの経験を持つEricは、高度道路交通システム（ITS）業界の技術と市場の両方の要件を深く理解しています。 彼は開発の初期にCitilog社に入社し、トラフィック管理のためのビデオ分析の業界のリーダーへの成長を助けました。
よりスマートなモビリティのためのビデオベースの交通管理ソリューションを通じて、Citilog社は交通が安全かつより自由に移動する道路づくりに貢献しています。