Глубокое обучение расширяет мощность машинного зрения
Искусственный интеллект и особенно глубокое обучение становятся все более функциональными. Решения для глубокого обучения могут удовлетворять очень специфическим требованиям.
В машинном зрении глубокое обучение позволяет использовать все большее количество приложений, которые раньше были невозможны. Более того, производительность существующих приложений может быть значительно улучшена. Глубокое обучение - очень эффективная технология, особенно в области классификации данных. Многие отрасли и секторы уже пользуются новыми возможностями, например, сельское хозяйство, машиностроение, фармацевтика, логистика и т. д.
Программные продукты MVTec предлагают большой выбор операторов, функций и методов, которые либо основаны на технологиях глубокого обучения, либо позволяют клиентам использовать технологии глубокого обучения в своих собственных приложениях.
Узнайте больше о методах глубокого обучения, отличиях от классического машинного зрения и о том, как начать глубокое обучение.
Классическое машинное зрение vs глубокое обучение
При сравнении глубокого обучения с традиционными методами машинного зрения самая большая разница заключается в способе извлечения признаков.
При использовании традиционных методов инженер технического зрения должен решить, какие функции искать для обнаружения определенного объекта на изображении, а также выбрать правильный набор функций для каждого класса. Это быстро становится громоздким, когда количество возможных классов растет. Вы ищете информацию о цвете? Краях? Текстуре? В зависимости от количества используемых функций многие параметры также должны быть вручную настроены инженером.
В глубоком обучении напротив, используется концепция «сквозного обучения». Здесь алгоритму просто сказано узнать, что нужно искать в отношении каждого конкретного класса. Анализируя образцы изображений, он автоматически выявляет наиболее заметные и описательные особенности для каждого класса / объекта.
Какой метод выбрать?
И у традиционных методов машинного зрения, и у глубокого обучения есть отдельные области, в которых они преуспевают. В то же время эти поля не следует рассматривать как взаимоисключающие. Многие приложения также выигрывают от сочетания традиционных подходов, основанных на правилах, с компонентами глубокого обучения. Выбор между одним из двух или их сочетанием обычно зависит от типа и характеристик приложения. Кроме того, необходимо учитывать количество доступных данных, а также доступную вычислительную мощность.
Советы и рекомендации
Ниже вы найдете наши советы и рекомендации для успешного начала глубокого обучения.
ОБУЧЕНИЕ
MVTec предлагает тренинги, чтобы передать вам свой опыт и знания. Вы можете посетить дни технологий MVTec, посвященные технологиям глубокого обучения, таким как классификация, обнаружение объектов, семантическая сегментация и обнаружение аномалий.
ВИДЕО
Посмотрите руководства как отправную точку для ваших приложений. Вы также можете использовать примеры программ HDevelop с подробными объяснениями и справочной информацией.
СПЕЦИАЛЬНЫЕ ТРЕБОВАНИЯ
64-битная операционная система: Windows или Linux
Обучение сетей глубокого обучения рекомендуется на графических процессорах NVIDIA или процессорах Intel®.
Более подробная информация в Руководстве по установке HALCON.
Вы можете бесплатно попробовать HALCON и скачать его на официальном сайте.
