IA de visión artificial: aumente la automatización y la eficiencia con una nueva forma de ver los datos

¿Qué es la visión por computadora?

Todas las organizaciones se esfuerzan por mejorar su negocio, su marca y sus procesos para obtener una diferenciación competitiva, desde ofrecer una experiencia excepcional al cliente hasta eliminar los obstáculos de la línea de producción. Pero no es humanamente posible identificar dónde y cuándo se necesitan estas mejoras. La tecnología de visión artificial, un tipo de inteligencia artificial (IA), se está utilizando en las organizaciones para entrenar a las computadoras con el fin de que monitoreen su negocio desde múltiples puntos de contacto y den sentido a la abrumadora cantidad de datos visuales que se recopilan.

La IA de visión artificial combina una variedad de componentes para permitir que los sistemas “vean” los datos recopilados de cámaras y videos, incluidas cámaras, informática de edge, informática en la nube, software y modelos de aprendizaje profundo que se utilizan para entrenar al sistema con el fin de que reconozca aspectos de una imagen o video y realice predicciones sobre ellos. Los tipos de modelos de visión artificial incluyen:

• Clasificación de imágenes para inspeccionar una imagen y asignarle una etiqueta de clase según el contenido. Por ejemplo, se puede utilizar un modelo de clasificación de imágenes para predecir qué imágenes contienen un perro, un gato o un cliente enfadado.
• Segmentación de imágenes para identificar objetos y extraerlos de su entorno, como el aislamiento de un tumor del tejido cerebral circundante en los resultados de una radiografía.
• Detección de objetos para escanear imágenes o videos y encontrar objetos concretos. Los modelos de detección de objetos suelen identificar varios objetos de forma simultánea y pueden utilizarse para tareas como la identificación de artículos en estanterías con el fin de mejorar la gestión de inventarios o de anomalías en los artículos de una línea de producción.
• Extracción de características para aislar características útiles capturadas en una imagen o video y compartirlas con un segundo algoritmo de IA, como la búsqueda y recuperación de coincidencias de imágenes. Por ejemplo, se puede utilizar la extracción de características para automatizar el control del tráfico y la detección de incidentes.

La visión artificial está permitiendo una serie de nuevos casos de uso que ayudan a las empresas de todos los sectores a reducir costos operativos, desbloquear la automatización empresarial y crear nuevos servicios o fuentes de ingresos. Estos son algunos ejemplos:

• Imágenes médicas: GE Healthcare lanzó una aplicación que utiliza algoritmos de IA de visión artificial para detectar hallazgos críticos en radiografías de tórax, incluida una afección pulmonar potencialmente mortal llamada neumotórax.
• Soluciones inteligentes para tiendas minoristas: las cámaras inteligentes que controlan las estanterías de las tiendas minoristas pueden rastrear los datos de inventario y notificar inmediatamente al personal cuando se agotan las existencias de un artículo. La visión artificial integrada en la señalización digital permite a las tiendas medir qué tipos de clientes han visto qué mensajes de marketing, lo cual permite a las tiendas mejorar la eficacia de la señalización en la tienda. La cadena de supermercados Town Talk Foods utilizó análisis de video con IA para optimizar el marketing, las operaciones y la comercialización, lo cual les permitió alcanzar su objetivo anual de ventas un 17 % más rápido.¹
• Seguimiento de movimientos atléticos: Intel creó una plataforma de IA que escanea videos de atletas tomados con teléfonos móviles y extrae información clave sobre la forma y el movimiento de un atleta, lo que ayuda tanto a los atletas como a los entrenadores a realizar ajustes clave.

Identificación de las tecnologías de hardware y software adecuadas para las aplicaciones de visión artificial

Dados los beneficios transformadores de la visión artificial, muchas organizaciones buscan aprovechar esta tecnología en múltiples departamentos de su negocio. La adopción de soluciones de visión artificial requiere el entrenamiento o el ajuste fino de los modelos de IA de visión artificial, que les proporcionan datos para permitir capacidades avanzadas, así como la implementación de la carga de trabajo de visión de IA donde sea necesario.

En última instancia, para lograr una solución de visión artificial impactante, rentable y escalable se requiere la combinación adecuada de herramientas de hardware y software de IA, seleccionadas cuidadosamente en función de los requisitos empresariales y tecnológicos. Examinemos cómo puede utilizar la cartera de productos Intel® para satisfacer las necesidades de prácticamente cualquier caso de uso de visión artificial y, al mismo tiempo, cumplir con los requisitos de su empresa.

Aceleración del desarrollo y la ciencia de datos con las herramientas y optimizaciones Intel®

La implementación de la visión artificial puede suponer un esfuerzo considerable por parte de los desarrolladores y los científicos de datos. Para ayudar a agilizar el desarrollo y la implementación de modelos y optimizar el desempeño, Intel ofrece software de canalización de IA de extremo a extremo, incluidas optimizaciones para marcos de trabajo populares como TensorFlow, PyTorch y scikit-learn.

Además, ofrecemos una cartera de recursos para desarrolladores que ayudan a simplificar drásticamente la implementación, incluida la Distribución Intel® del kit de herramientas OpenVINO™, que permite a su equipo escribir el código de la solución de IA una vez y luego implementarlo prácticamente en cualquier lugar. Como marco de trabajo de código abierto, OpenVINO™ le permite evitar la dependencia del proveedor y crear aplicaciones que pueden escalar sin problemas a través de hardware heterogéneo, desde el edge hasta la nube.

Para facilitar aún más la obtención de valor, también somos pioneros en Intel® Geti™, una plataforma de visión artificial empresarial de código abierto que permite a los expertos que no son programadores colaborar con los científicos de datos para crear y entrenar rápidamente modelos de IA.

Combinadas con nuestra amplia cartera de hardware, las herramientas de software abierto de Intel® pueden agilizar la ruta de la IA desde el concepto hasta la producción, al tiempo que garantizan el desempeño que necesita y aceleran el retorno de la inversión. La potencia de una plataforma combinada de visión artificial Intel® AI le permite abordar todos los aspectos de la canalización de IA con confianza.

Haga clic aquí para explorar toda nuestra cartera de ciencia de datos y herramientas para desarrolladores.

Entrenamiento e implementación de modelos: elección de hardware optimizado para sus necesidades

Dado que las aplicaciones de visión artificial son diversas, las necesidades de infraestructura varían enormemente en función del problema que se intenta resolver, el lugar donde se entrenan y analizan los datos y el tamaño de la carga de trabajo. En esta sección, compartimos tres cuestiones clave que se deben tener en cuenta a la hora de seleccionar el mejor hardware para sus casos de uso.

Consideración 1: ¿Dónde tendrá lugar el entrenamiento del modelo de visión artificial?

Para identificar el hardware óptimo para su carga de trabajo de entrenamiento, primero considere si su estrategia de IA y su caso de uso requieren capacidades de entrenamiento o ajustes finos de modelos en el edge, en la nube y en el centro de datos, o en ambos. Las limitaciones de costos o de seguridad pueden impedirle entrenar los datos en la nube. Además, es posible que pueda aprovechar los ciclos menos álgidos disponibles en sus servidores de edge, lo que le permitirá entrenar allí donde se generan los datos.

Para el entrenamiento ligero en el edge, como el ajuste fino de modelos, recomendamos un procesador escalable Intel® Xeon® de tipo servidor con las GPUs Intel® Data Center.

Para entrenar o implementar grandes conjuntos de datos o si necesita entrenar modelos rápidamente en el edge, su carga de trabajo puede requerir infraestructura adicional o entrenamiento e inferencia basados en la nube. Recomendamos considerar un modelo de entrenamiento distribuido mediante el emparejamiento de cargas de trabajo de IA con servidores locales. El uso de varios procesadores escalables Intel® Xeon® con aceleración de IA integrada puede desbloquear un entrenamiento eficiente y rentable sin depender de una GPU.

Para cargas de trabajo muy grandes, también puede adoptar un enfoque de acelerador de aprendizaje profundo avanzado con Habana® Gaudi® o GPUs independientes para centros de datos, como la Intel® Data Center GPU Flex 140 o 170.

Por ejemplo, las aplicaciones de Mobileye en vehículos autónomos utilizan la visión artificial para detectar y responder a peatones, otros vehículos y señales de tráfico. Para ello, las aplicaciones necesitan procesar cientos de imágenes por segundo y deben ejecutar modelos masivos de forma continua, lo que convierte el entrenamiento en un factor clave de los costos operativos. Para aumentar la eficiencia del entrenamiento, Mobileye utilizó Habana® Gaudi® para entrenar modelos en la nube, lo que mejoró el desempeño de los precios hasta en un 40 %².

Para obtener información sobre el entrenamiento de modelos, comience aquí:

• Entrenamiento distribuido en procesadores escalables Intel® Xeon®

• Explore Habana® Gaudi® para el entrenamiento de aprendizaje profundo

Consideración 2: ¿Necesita un factor de forma robusto para la implementación?

Otra consideración fundamental a la hora de seleccionar el hardware para su solución de visión artificial es si la va a implementar en un entorno informático tradicional o en un lugar con retos ambientales únicos. Los entornos exigentes, como las plantas industriales, los almacenes, las torres de telefonía móvil o las embarcaciones, requieren dispositivos robustos que estén protegidos contra el polvo, las vibraciones, las temperaturas prolongadas y otras condiciones adversas. Intel ofrece una gama de procesadores incorporados y de IoT con GPUs integradas para dispositivos de factor de forma robustos y pequeños, así como CPUs de servidor de uso general para entornos y cargas de trabajo estándar que requieren un mayor rendimiento.

Consideración 3: Durante el funcionamiento, ¿necesita analizar y procesar los datos de video en el edge?

Si necesita procesar un gran volumen de datos de imagen o video, puede que sea demasiado costoso subir los datos a la nube, o que los requisitos normativos o de seguridad le impidan enviar los datos a la nube. También es posible que se enfrente a requisitos de latencia que prohíban el procesamiento en la nube. Además, es posible que necesite que su modelo continúe el procesamiento en el edge cuando no se pueda acceder a la nube o que necesite que su modelo analice los datos y reaccione con rapidez.

Si su iniciativa requiere el procesamiento en el edge para satisfacer cualquiera de estas preocupaciones, es probable que requiera uno de estos tres tipos de soluciones: un dispositivo de edge integrado o un dispositivo IoT general, una caja de IA de video de edge en el dispositivo o un servidor de IA de video de edge local.

Caso de uso: Dispositivo de edge integrado o dispositivo de IoT general para implementaciones de baja latencia

La tecnología de visión artificial suele estar integrada en dispositivos de edge o IoT como drones, brazos robóticos o cámaras inteligentes. Estas implementaciones son autónomas, tienen limitaciones de espacio o energía, o requieren la latencia de IA más baja posible. Intel ofrece productos de bajo consumo de energía especialmente diseñados para satisfacer los diversos requisitos y limitaciones de los dispositivos de edge e integrados.

Dependiendo de la complejidad de sus cargas de trabajo, considere una de las siguientes combinaciones de hardware:

• Procesadores Intel® Core™ con capacidades de aceleración integrada, como Intel® Gaussian & Neural Accelerator (Intel® GNA) para un acelerador de ultrabajo consumo de energía, y una GPU integrada.
• Procesadores Intel® Core™ y una GPU independiente o integrada de gráficos Intel® Iris® X^e
• Procesadores Intel® Xeon® D con aceleración integrada Intel® Advanced Vector Extensions 512 (Intel® AVX-512) y la adición de una GPU independiente.

Lea cómo una aplicación de visión artificial desarrollada sobre hardware Intel® ayudó a Signify, un fabricante de iluminación, a agilizar el control de calidad en la línea de productos.

Caso de uso: Caja de IA de video de edge en el dispositivo para implementaciones de complejidad media

Las implementaciones de cajas de IA de video de edge en el dispositivo cuentan con un pequeño número de cámaras (entre cuatro y diez) que se conectan directamente o transmiten a una única aplicación para el procesamiento de IA integrada. Por ejemplo, las aplicaciones de visión artificial en las estaciones de autoservicio de tiendas minoristas utilizan varios sensores para identificar qué productos compra un cliente, lo que permite a los clientes realizar transacciones más rápidas y ayuda a las tiendas a evitar robos. Dado que requieren menos secuencias de cámara, estas implementaciones pueden realizarse con eficacia utilizando procesadores de bajo consumo.

Si necesita protección contra el polvo, la grasa u otros contaminantes del entorno, le recomendamos un hardware semi-robusto o totalmente robusto con refrigeración pasiva o externa en lugar de un ventilador de chasis abierto.

Para cargas de trabajo de complejidad pequeña a media e implementación en cualquier entorno:

• Procesadores Intel® Core™ con capacidades de aceleración integrada, como Intel® Gaussian & Neural Accelerator (Intel® GNA) para un acelerador de ultrabajo consumo de energía, y GPUs integradas.

Para cargas de trabajo de complejidad media a grande e implementación en entornos informáticos estándar y entornos que requieran un diseño semi-robusto, considere las siguientes opciones adicionales:

• Procesadores Intel® Core™ y una GPU independiente, como los gráficos Intel® Arc™
• Procesadores escalables Intel® Xeon® de 4ᵃ Generación para IoT Edge con aceleración integrada de Intel® Advanced Matrix Extensions (Intel® AMX) y una GPU independiente para centro de datos, como la Intel® Data Center GPU Flex 140 o 170

Lea más sobre cómo las soluciones de visión artificial Intel® ayudan a las tiendas minoristas a convertir los datos en información en tiempo real.

Caso de uso: Servidor de IA de video de edge local para implementaciones avanzadas

Para algunos casos de uso avanzado, como una aplicación de imágenes médicas que aplica algoritmos de IA de visión artificial para detectar enfermedades en los resultados de las radiografías, su implementación puede contar con muchas cámaras remotas, a veces 300 o más, que transmiten a un único dispositivo local para el procesamiento de IA. Como estas implementaciones pueden admitir muchas cámaras y ejecutar varios modelos de visión artificial, es posible que tenga que considerar un hardware que ofrezca una potencia de procesamiento significativa.

También deberá tener en cuenta las condiciones ambientales. Si el servidor de IA de video se ubicará en un entorno informático estándar, puede elegir el hardware adecuado para un servidor de centro de datos estándar o una estación de trabajo empresarial. Sin embargo, para entornos con condiciones adversas, necesitará un servidor modular robusto.

Para la implementación en un entorno informático estándar, en función de su carga de trabajo, considere:

• Procesadores escalables Intel® Xeon® de 4ᵃ Generación
• Procesadores Intel® Core™ de 12ᵃ Generación más aceleradores de terceros
• Procesadores escalables Intel® Xeon® de 4ᵃ Generación y una GPU independiente para centro de datos, como la Intel® Data Center GPU Flex 140 o 170

Cuando la implementación requiera un diseño robusto, en función de su carga de trabajo, considere:

• Procesadores escalables Intel® Xeon® de 4ᵃ Generación para IoT Edge
• Procesadores escalables Intel® Xeon® de 4ᵃ Generación y una GPU independiente para centro de datos, como la Intel® Data Center GPU Flex 140 o 170

Lea cómo la solución de automatización de restaurantes basada en la visión informática de Hellometer está ayudando a las marcas a mejorar la experiencia de servicio desde un automóvil. Mediante el uso de procesadores Intel® Core™ para portátiles con aceleración de IA integrada y software OpenVINO™, Hellometer permite a los operadores de restaurantes mejorar la velocidad de servicio en 47 segundos en promedio, lo que equivale a unos ingresos adicionales estimados de USD 130 000 al año por ubicación³.

Desarrollo de una aplicación de visión artificial preparada para el futuro con las soluciones Intel® Vision

Intel ofrece una amplia cartera de hardware y herramientas de software de canalización de IA de extremo a extremo que pueden ayudarlo a desarrollar una aplicación de visión artificial con el equilibrio adecuado de desempeño y costo. Las diversas opciones de hardware ofrecen la potencia de procesamiento que necesita para implementar la visión artificial en cualquier entorno. Lo mejor de todo es que los desarrolladores y científicos de datos pueden utilizar nuestras herramientas de software de código abierto, como la Distribución Intel® del kit de herramientas OpenVINO™, para desarrollar y optimizar aplicaciones que se escalan fácilmente a través de dispositivos heterogéneos. Con solo cambiar algunas líneas de código, puede equipar un modelo de IA de visión artificial entrenado en miles de aceleradores de aprendizaje profundo para que se ejecute en un dron.

Encuentre soluciones Intel® que pueden potenciar la IA en cada etapa del viaje, a cualquier escala.

Explore la cartera de Intel® Vision para soluciones de visión artificial