首页 > 资讯 > 消息正文

VISION 2018参展商将展示深度学习技术

发布:HPLSElaser    |    2018-07-04 00:13    阅读:1426
分享:
      


用于通过神经网络识别车辆和计数的嵌入式视觉系统。图片来源:Neadvance。

在VISION 2018展会中,深度学习技术已经成为目前的机器视觉方法的“补充和替代”。在不断增加的计算性能和方法上的突破的推动下,深度学习已经发展成为机器视觉行业的一大趋势,这也是VISION 2018展会中的大趋势。展会的组织方斯图加特展览中心的项目经理Florian Niethammer认为,这些技术进步将使今年的活动成为“有史以来最激动人心的活动之一”。

他评论道:“看到参展商如何像深度学习一样呈现一个主题并将其与传统和嵌入式视觉系统联系起来,这将是非常令人兴奋的,我们期待在今年的活动中出现新的产品和解决方案。”深度学习系统代表机器学习和人工智能的子区域,遵循与当前机器视觉技术根本不同的技术方法。今年的参展商之一、希腊Irida Labs公司的首席执行官Vassilis Tsagaris表示:“这些深度学习系统都采用了神经网络,深度学习这个术语指的是这类神经网络通常包含的大量隐藏层。”

另一家参展商、德国慕尼黑MVtec软件公司总经理Olaf Munkelt博士表示:“基于深度学习结构的系统在分析大量数字图像数据的能力方面是独一无二的,这使得训练它们识别某些物体的模型成为可能,借助这些训练数据,分类器将学习如何区分指定的类别。”

灵活的决策

德国Stemmer Imaging公司的机器视觉组负责人Volker Gimple指出:“深度学习的优势在于它的方法可以比传统机器视觉系统中的预定义规则采取更灵活的决策。”公司总经理Klaus-Henning Noffz博士补充称:“只要有大量变化的测试对象使得很难以数学方式进行建模,深度学习就会具有很大的优势。”

在传统机器视觉系统达到极限的情况下,深度学习提供了另一种选择。来自韩国首尔的SUALAB公司营销经理Hanjun Kim表示:“这些系统面临的主要挑战包括光学条件的变化、产品多样性的增加以及图像本身的复杂性。即使在已经应用机器视觉的方面,增加深度学习技术也能够大大提高检测过程的速度和准确性。”SUALAB公司宣布计划推出SuaKIT v2.0,这是为机器视觉检测开发的深度学习软件。

深度学习的机器视觉应用

如今,深度学习已经被整合到机器视觉处理所讨论的测试对象的分类应用中。Noffz博士举了一个汽车制造的例子:“在深度学习的帮助下,自主学习算法能够检测到汽车喷漆中的每一个微小缺陷,即使是肉眼看不见的那些。”与此同时,近年来获得越来越多关注的食品和饮料行业也受益于深度学习技术。Munkelt博士表示:“例如在能够进一步包装或加工之前,以极其精确的方式识别和检查劣质水果和蔬菜。”德国Taufkirchen公司的知识产权和业务开发负责人Christopher Scheubel博士也描述了一种应用,其中深度学习被用于对食品零售公司进行分类和包装。

Deepsense公司是另一家首次参展VISION 2018的公司,它正在准备提供视觉质量控制解决方案,该解决方案非常适合检查具有复杂图案(如木材或纺织品)的物体,而无需繁琐的手动配置。Deepsense公司的首席科学官Robert Bogucki也看到了未来将深度学习应用于医疗保健领域的巨大潜力。

虽然深度学习的应用仍然存在许多障碍——例如,执行过程中所需的时间和精力以及神经网络的训练过程。像Framos这样的公司相信深度学习几乎能够支配每种分类方法(例如在中期内的质量保证或分类)。Noffz博士对此也表示赞同:“通过将重点从编程转移到训练这样的系统,深度学习能够实现神经网络的广泛使用。例如,与分类相关的任务比使用算法技术更容易处理。神经网络尤其适用于许多其他活动,包括那些涉及反射表面,光线不足的环境、移动物体、机器人和三维环境。”

葡萄牙Neadvance公司是另一家第一次参加VISION 2018的参展商,也同样赞同这一观点:“在主要目标为对象识别或对象分类的领域肯定会偏离传统的深度学习方法。纹理分析、模板匹配、光学字符识别、姿态估计、城市场景分析和解释以及手写文本识别都是一些例子。”

正如Irida Labs公司的Vassilis Tsagaris所肯定的那样,将深度学习与传统机器视觉相结合可以确保100%的分类准确度。“我们开始看到越来越多的‘混合'系统。大多数时候,你需要深度学习和计算机视觉算法,这些算法已被证明是十分强大的。”Volker Gimple还认为,由于机器学习方法通常缺乏跟踪决策的能力——包括有缺陷的决策,因此深度学习系统能够很好的弥补这一缺陷。

嵌入式设备

深度学习系统也可以应用于嵌入式视觉设备。Munkelt博士表示:“广泛使用的嵌入式主板NVIDIA Jetson TX2也支持MVTec公司HALCON软件中的深度学习系统。”特别是在工业4.0的分散式计算方法中,他表示与深度学习解决方案相关的嵌入式视觉的需求在不断增长,其中小型机器的视觉单元或智能相机能够承担各种复杂任务。

在VISION 2018,Silicon Software公司计划在FPGA的VisualApplets环境中推出深度学习解决方案,Irida Labs公司还将在VISION 2018上展示嵌入式视觉和深度学习的大趋势之间的类似联系。其用于在任何嵌入式设备上实现深度学习的库——DeepAPI框架,即使只在有限数量的图像的条件下也可用于产品质量检测。

来源: http://optics.org/news/9/6/35

本文受译者委托,享有该文的专有出版权,其他出版单位或网站如需转载,请与本站联系,联系email:mail@opticsjournal.net。否则,本站将保留进一步采取法律手段的权利。

免责声明

网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如对文、图等版权问题存在异议的,请于20个工作日内与我们取得联系,我们将协调给予处理(按照法规支付稿费或删除),联系方式:021-69918579。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。最终解释权归《中国激光》杂志社所有。