AUTO ADAPTING DEEP LEARNING MODELS ON EDGE DEVICES FOR AUDIO AND VIDEO

A set of processes enable supervised learning of a machine learning model without human intervention by producing the positive and negative examples at-will in a deployed environment. A technique implements a series of events that replaces the need for human intervention to generate labeled data for supervised learning. This enables automatic retraining of the model in a deployed environment without the need for human labeled data, supporting audio and video data. Un ensemble de processus permettent un apprentissage supervisé d'un modèle d'apprentissage automatique sans intervention humaine en produisant les exemples positifs et négatifs à volonté dans un environnement déployé. Une technique met en oeuvre une série d'événements qui remplace le besoin d'intervention humaine pour générer des données étiquetées pour un apprentissage supervisé. Ceci permet un réapprentissage automatique du modèle dans un environnement déployé sans avoir besoin de données étiquetées humaines, prenant en charge des données audio et vidéo.