关于深度学习，你了解多少?
深度学习技术是不是一定比传统机器视觉更好?
市面上有没有一款基于深度学习的图像分析软件?
1——深度学习
从口袋里的手机到自动驾驶汽车的实现，消费经济已经开始挖掘深度学习神经网络的力量。深度学习已成为我们在移动和可穿戴设备中使用的语音、文本和面部识别的基础技术，现在正开始运用于许多其他应用，包括医疗诊断、互联网安全、模式预测、关键业务决策的作出等。同时，这项技术现在也正在进入先进制造实践领域，用于质量检测以及其他基于判断的应用。
相比人类或传统机器视觉解决方案，基于深度学习的软件现在可以基于判断更有效地解决元件定位、检测、分类和字符识别挑战。许多行业领先的制造商正越来越多地转向深度学习解决方案和人工智能，以解决他们最复杂的自动化挑战。
2——深度学习技术VS其他检测技术
3——深度学习技术 or 传统机器视觉?
在传统机器视觉与深度学习技术之间进行选择取决于待解决的应用类型、待处理的数据量和处理能力。事实上，尽管深度学习技术拥有许多优点，但对于许多应用而言，其可能并不是最合适的解决方案。基于规则的传统编程技术更擅长于计量和测量应用以及执行精确对位。在有些情况下，传统机器视觉可能是精确定位感兴趣区域的最佳选择，而深度学习技术则是检测该区域的最佳选择。
基于深度学习的图像分析软件和传统机器视觉是两种互补性技术，它们具有相互重叠的功能，同时也有各自擅长的独特领域。有些应用可能需要同时使用这两种技术。
4——康耐视ViDi套件
作为全球视觉领导者的康耐视于今年初推出了一款专用于工业图像分析的基于深度学习的即用型软件——ViDi套件。和其他深度学习软件不同， 它只需一个较小的样本图像(代表元件的已知特征、异常和类别)就可以进行训练。
该软件将基于这些代表性图像创建参考模型——这是一个不断改进的迭代过程，且在该过程中用户可以对参数进行调整并验证结果，直到该参考模型能够满足应用需要。使用期间，ViDi套件将从一组新的图像中提取数据，然后，它的神经网络将定位元件，提取异常信息并对它们进行分类。
康耐视ViDi套件使技术人员能够基于一个较小的样本图像集合在数分钟内完成基于深度学习模型的训练。当应用配置完毕之后，ViDi套件可以快速提供准确的结果，并保存图像用于流程控制。
同时，ViDi套件还能够克服计算能力的限制，一台机器上只需使用一张GPU卡即可。ViDi套件可现场维护，并可在工厂车间进行再训练，无需机器制造商或系统集成商干预。ViDi套件能够基于高分辨率图像(包括彩色图像和热图)识别几乎任何异常。此外，ViDi套件还能够执行复杂的计数，并读取难以读取和变形的字符。ViDi套件提供定位、检查、分类和OCR工具，这些工具既可以单独工作，也可以与康耐视的其他视觉工具结合使用，用于解决复杂的视觉挑战。
结论：
工业领域正越来越多地转向深度学习技术，用于解决对于基于规则的传统算法进行编程过于复杂、耗时且成本高昂的制造检测应用。这将使制造商能够以自动化方式解决以前无法编程的应用，降低误差率，并加快检测速度。深度学习技术使制造商能够解决对传统机器视觉而言富有挑战性的应用，并可实现更高的可靠性和可重复性。
（转载）
