您当前的位置:eb007体育官网新闻中心

eb007体育官网深度进修能否到达工业精度要求完成

作者:eb007体育官网   |   时间:2020-01-14 17:47   |   浏览:118   

2012年,多倫多大學初次使用深度進修訓練的卷積神經網絡模型在ImageNet的測驗表示中獲得打破性停頓,eb007体育官网并激發了一連串的基于卷積神經網絡的優化其實不竭大幅提升ImageNet的測驗表示。在2015年,通過深度進修訓練的卷積神經網絡模型,在ImageNet的測驗表示中,失誤率已經降到了2.3%,超越了人類的識別準確率,就此鞭策了在圖像識別范疇停止深度進修的大規模財富化應用的熱潮。

以2012年為起點,各大互聯網巨頭開端落地深度進修技術。2013年,Google通過深度進修來停止街景地圖的門牌號OCR識別;2014年,安徽涵颂商贸有限公司Facebook將其基于卷積神經網絡模型的人臉識別技術DeepFace大規模地應用于其照片應用之中,識別準確率到達97.3%。當前深度進修被大規模應用于人臉識別、主動駕駛汽車等范疇,獲得了非常矚目的成就。作為一種首先在消費互聯網范疇遍及應用的技術,能否可以有效融入到工業視覺范疇呢?

由于只能從有限的特征中停止排列組合,視覺工程師無法通過”邊“、”角”來表示“密集的點狀高低不服”這種綜合的、紛亂的推斷目的。或者表示才能很差,招致識別準確度不好。因而,傳統機械視覺是無法處理以上問題的。

以樂高積木來類比的話,在傳統機械視覺里,人類的工作是從100個樂高元素里挑出數十個,組裝起來施行人類設想好的邏輯動作,完成相關任務;而深度進修里,人類告訴機械需要完成的任務,由機械從1億個樂高元素里,挑出數萬個,組裝起來并選擇需要施行的邏輯動作來完成該任務。其表示才能遠遠高于人類專家。

另外一方面,針對節拍的要求,由于當前GPU顯卡可以達成每秒80禎的圖像處置速度,5秒內可以完成400張圖片的斷定。而一般3C行業的產品較小,只需要10張以內的照片就可以完成產品的覆蓋,比如大的機加工產品,也只需不到100張圖片停止產品外表的全覆蓋。圖像處置的速度完成可以滿足節拍的要求。