Dans le but de simplifier la mise en œuvre de la vision par ordinateur, Google a dévoilé sa solution no-code, Vertex AI Vision. La plate-forme comble le fossé entre les sources de flux vidéo, les modèles d'apprentissage automatique et les entrepôts de données, permettant aux utilisateurs d'extraire des informations précieuses sans avoir besoin d'une ingénierie complexe.
Le développement d'applications d'IA de vision a toujours été à la fois difficile et coûteux, les organisations ayant besoin de scientifiques des données et d'ingénieurs en apprentissage automatique pour créer des pipelines de formation et d'inférence basés sur des données non structurées telles que des images et des vidéos. La rareté de spécialistes qualifiés dans ce domaine a entraîné des dépenses encore plus élevées pour les entreprises.
Cependant, des entreprises comme Google, Intel, Meta, Microsoft, NVIDIA et OpenAI ont commencé à rendre accessibles au public des modèles d'IA de vision pré-formés. Ces modèles, y compris la détection de visage, la détection d'émotion, la détection de pose et la détection de véhicule, permettent aux développeurs de créer des applications sophistiquées basées sur la vision. Les applications pratiques peuvent aller de l'utilisation de caméras CCTV et IP préexistantes pour la sécurité à l'exploitation de l'apprentissage automatique à partir de modèles préformés. Le défi consiste toujours à rationaliser les processus complexes nécessaires pour relier ces éléments disparates.
Reconnaissant cette opportunité, des plates-formes comme Vertex AI Vision éliminent la complexité avec des outils faciles à utiliser et no-code qui unissent les sources vidéo, les modèles et les moteurs d'analyse. Cela maximise non seulement l'efficacité, mais ouvre la porte à une adoption accélérée de la vision par ordinateur alimentée par l'IA dans diverses industries.
Vertex AI Vision de Google intègre plusieurs composants pour offrir une expérience utilisateur transparente tout en extrayant des informations sur l'IA de la vision par ordinateur. Les utilisateurs peuvent soit travailler avec des modèles pré-formés dans l'environnement, soit importer des modèles personnalisés formés sur la plate-forme Vertex AI. La clé de Vertex AI Vision est la toile vierge sur laquelle les utilisateurs assemblent visuellement un pipeline d'inférence de vision IA à l'aide d'éléments drag-and-drop. Les connecteurs disponibles prennent en charge les flux caméra/vidéo, une gamme de modèles pré-formés et spécialisés, des modèles AutoML ou Vertex AI personnalisés et des options de stockage de données telles que BigQuery et AI Vision Warehouse.
Les fonctionnalités clés de Vertex AI Vision incluent :
- Vertex AI Vision Streams : un service endpoint pour l'ingestion de flux vidéo et d'images à partir d'un réseau géographiquement distribué. Google gère la mise à l'échelle et l'ingestion, permettant aux appareils et aux caméras de se connecter facilement.
- Applications Vertex AI Vision : de vastes pipelines de traitement et d'analyse des médias à mise à l'échelle automatique sont créés à l'aide de cette plate-forme d'orchestration sans serveur.
- Modèles de vision Vertex AI : les clients ont accès à des modèles de vision prédéfinis pour les tâches d'analyse standard telles que le comptage de l'occupation, la détection des EPI, le flou du visage et la reconnaissance des produits de vente au détail. Les utilisateurs peuvent en outre créer et déployer leurs modèles formés au sein de la plateforme Vertex AI.
- Vertex AI Vision Warehouse : associant des capacités de recherche Google et de stockage vidéo géré, ce système de stockage multimédia intégré sans serveur est capable de gérer des pétaoctets de données vidéo.
Après la création visuelle du pipeline, le déploiement est simple. Les coches vertes affichées pendant le déploiement indiquent le succès. Après le déploiement, Google propose un outil de ligne de commande appelé vaictl pour gérer les flux vidéo et les diriger vers le endpoint Vertex AI Vision approprié. Les flux d'entrée et de sortie peuvent être surveillés et, grâce à AI Vision Warehouse, ils peuvent être interrogés en fonction de critères de recherche spécifiques.
Vertex AI Vision propose un SDK pour la communication programmatique avec l'entrepôt, tandis que les bibliothèques existantes peuvent être utilisées par les développeurs BigQuery pour effectuer des requêtes avancées basées sur ANSI SQL. Pour permettre un traitement personnalisé, Google a également intégré Cloud Functions pour manipuler la sortie et ajouter des annotations ou des métadonnées supplémentaires.
Vertex AI Vision de Google Cloud fait des progrès significatifs dans la simplification de la mise en œuvre de l'IA de vision grâce à son environnement no-code et à ses capacités d'intégration. La véritable puissance de la plate-forme provient de son intégration transparente avec d'autres services Google Cloud essentiels, tels que BigQuery, Cloud Functions et Vertex AI. Afin de libérer pleinement le potentiel de la plate-forme, un support supplémentaire est nécessaire pour le déploiement en périphérie. Des secteurs tels que la santé, l'assurance et l'automobile s'appuient sur les pipelines d'IA de vision à la périphérie pour réduire la latence et les exigences de conformité. L'extension de la prise en charge du déploiement en périphérie sera cruciale pour le succès futur de Vertex AI Vision.
Des outils No-code tels que Vertex AI Vision et la plateforme AppMaster favorisent l'accessibilité et permettent aux développeurs de tous niveaux de créer des applications innovantes. Avec des plates-formes telles AppMaster et Vertex AI Vision, des processus auparavant complexes ont été rationalisés, apportant des applications hautes performances et évolutives aux entreprises à tous les niveaux.
