Technologie Datakalab

Compression, adaptation, vitesse et précision à la pointe

Compression

90% de compression sans perte pour que vous puissiez mettre à jour les modèles OTA en utilisant une bande passante minimale.

Auto-adaption

L'auto-apprentissage en embarqué et sans utiliser de donnée d'annotation. Toujours précis, tout le temps.

Acceleration

Datakalab supprime les calculs redondants dans les algorithmes afin qu'ils soient aussi souples et rapides que possible. La précision sans le poids du modèle.

Private by Design

Les limites ou incertitudes réglementaire appartiennent au passé ! Aucune donnée personnelle n'est stockée ni envoyée sur un serveur (conforme au RGPD).

Faites glisser vers la droite pour voir le modèle de base ➡️

⬅️ Faites glisser vers la droite pour voir le modèle Datakalab 

Faites glisser le curseur ci-dessus pour comparer la différence entre un modèle de base (image de gauche) et le modèle optimisé de Datakalab (image de droite), tout deux sur une même architecture SSD MBNET v2 Lite traitant des images 320x320 de la base de donnée PIROPO (People in Indoor Rooms with Perspective and Omnidirectional cameras)._________________
Regardez la comparaison vidéo complète.

Le meilleur rapport entre la précision et le calcul dans l'industrie

Exigences minimales HW

CPU- 2.4GHz x86 processeur (un coeur par flux vidéo)
Caméra IP PoE- Résolution minimale de 720p et 7 FPS
- Format de flux MJPEG ou RTSP

Connectivité Internet pour les statistiquesTout routeur Ethernet capable d'envoyer ~50MB de données par mois

10 papiers de recherches

3 brevets en instance

Algorithm-schema-structured-Data

Modèle 6x plus rapide

6x plus rapide à déployer

Modèle 16x plus léger

3,75x moins d'énergie 

Amélioration de la précision de 70 %

Les Bénéfices

1

Des modèles plus petits, des machines plus petites et des coûts moindres : Grâce à nos optimisations, déployez Datakalab sur des machines moins chères que les GPU et toujours en stock malgré les contraintes de la chaîne d'approvisionnement.

2

Algorithmes qui s'adaptent automatiquement aux conditions d'éclairage changeantes : Ce n'est pas la même chose de détecter des objets à l'aube qu'à midi ou le soir. Les algorithmes de Datakalab s'adaptent automatiquement au cours de la journée pour maintenir une précision optimale, même lorsque les conditions d'éclairage changent ou sont différentes d'une caméra à l'autre.

3

Une compression qui permet d'économiser la bande passante : Nous supprimons les poids inutiles dans les modèles afin qu'ils puissent être rapidement mis à jour et déployés sans coûter une fortune en bande passante ou en calcul.

4

Réutiliser les caméras et le matériel existants : Vous n'avez pas besoin de vous procurer un nouvel ensemble de caméras qui ne font qu'une seule chose. Tirez parti de votre infrastructure de vision existante et ajoutez le comptage, les données démographiques ou d'autres cas d'utilisation sans devoir ajouter ou câbler du matériel supplémentaire.

Une question ?

Dites-nous ce qui vous préoccupe. Nous serons ravis d'en discuter avec vous !


State of the Art Neural NetworkCompression and Acceleration


How do you get reliable AI on the edge when it was made for the cloud? With millions or billions of parameters to process, today’s deep neural nets are too big for CPUs and MCUs to process in real time .
Until now...
Say hello to embedded AI that is fast, frugal and accurate.
Context Adaptation, Quantization, Pruning and Batch Norm Folding formodels that are up to 330x smaller and 20x times faster.