Choosing the right tool

Will deep learning displace all other CV techniques?

It’s remarkable to see the range of applications in which deep neural networks are proving effective – often, significantly more effective than previously known techniques. From speech recognition to ranking web search results to object recognition, each day brings a new product or paper with a new challenge tamed by deep learning.

Artificial neural networks are a subset of machine learning techniques, and deep neural networks are a subset of artificial neural networks. All of these machine learning techniques are used in computer vision - and for other fields. (Bild: Embedded Vision Alliance)

Artificial neural networks are a subset of machine learning techniques, and deep neural networks are a subset of artificial neural networks. All of these machine learning techniques are used in computer vision – and for other fields. (Bild: Embedded Vision Alliance)

Anzeige

Computer vision, of course, is a field with significant deep learning activity. Deep learning is particularly appealing for visual perception because image and video data is massive and rich with information, but is infinitely variable and often ambiguous. Researchers have demonstrated deep neural networks capable of classifying skin lesions as cancerous or benign with accuracy equivalent to that of dermatologists, and other deep networks are capable of reading lips with significantly higher accuracy than human lip readers. More recently, Shunsuke Saito, Lingyu Wei and colleagues have developed a deep-learning-based approach that generates photorealistic 3D models of human faces from a single 2D image. This naturally leads to the question: Will deep learning displace all other techniques for solving visual perception problems? While the power of deep learning is undeniable, I believe that other techniques will continue to be attractive. As in most fields, it’s a question of choosing the right tool for the job. With the current justifiable excitement around deep learning, one important point is that machine learning encompasses a vast range of techniques, of which neural networks are a subset (as shown in the figure). In turn, deep neural networks are a subset of a broader class of neural network techniques. In many cases, simpler machine learning techniques are effective. That’s fortunate, because deep learning has a deep appetite: massive amounts of data and compute power are needed for training deep networks, and substantial compute power is needed for running trained networks. Other machine learning techniques often get by with comparatively minuscule amounts of data and processing power. Well before the start of the current deep learning craze, a few pioneering researchers and companies, such as BrainChip and General Vision, were deploying what we might today call ’shallow learning‘ algorithms and processors to solve real-world problems ranging from fish identification to license-plate recognition. Today, there’s a huge rush to apply deep learning to every visual perception problem. But, particularly when development costs and deployment costs are considered, I think that in many cases, other techniques will prove preferable. The challenge for algorithm, system, and product developers will be how to discern which tasks call for deep learning, which call for other neural network techniques, which are best served by other machine learning approaches, and which are still appropriate for good old-fashioned hand-crafted algorithms. On September 7th there will be a full day course in Hamburg which provides the hands-on knowledge you need to develop deep learning computer vision applications with TensorFlow. For details see https://tensorflow.embedded-vision.com.

Choosing the right tool
Bild: Embedded Vision Alliance


Das könnte Sie auch interessieren

MKS Ophir hat Nicolas Meunier zum neuen Business Development Manager berufen. In dieser Rolle soll er das Engagement des Unternehmens in der industriellen Messtechnik sowohl für Hochleistungslaser als auch für Lasersysteme in der Additiven Fertigung weltweit voran treiben. Meunier verfügt über mehr als 14 Jahre Erfahrung im Vertrieb und Produktmanagement.

www.mksinst.com

Anzeige

Die Viscom AG hat auf der diesjährigen Productonica, die vom 14. bis 17. November in München veranstaltet wurde, den Productronica Innovation Award in der Kategorie Inspection & Quality verliehen bekommen. Das Gewinnerprodukt heißt X7056-II, ein neues System für automatische 3D-Röntgeninspektionen, und ist die nächste Generation des gefragten Vorgängers X7056RS.

www.productronica.com

Der Dresdner Infrarot-Spezialist Dias Infrared feiert dieses Jahr sein 25-jähriges Bestehen. Das mittlerweile global agierende Unternehmen wurde 1992 von Mitarbeitern der TU Dresden gegründet, die auf dem Gebiet der Infrarot-Messtechnik geforscht haben. Heute beschäftigt das Unternehmen über 50 Mitarbeiter an drei Standorten, hat eine eigene Tochterfirma für den Vertrieb der hauseigenen Produkte in den USA und vertreibt seine Lösungen in über 25 Länder.

www.dias-infrared.de

Anzeige

Mit dem Digital4Eyes-Wettbewerb möchte die Bayer AG Teams dazu aufrufen, ihre Kompetenzen in Bilderkennung und/oder maschinellem Lernen mit der eigenen Produktionskompetenz zu kombinieren. Ziel der Aufgabe ist ein lernfähiger, digitaler Prototyp, der in der Lage ist, einen 4-Augen-Check durchzuführen. Einsendeschluss für die Projekte ist der 15. Januar 2018.

grants

Anzeige

Neu am Markt ist die Firma NotaVis aus Ettlingen. Geschäftsführer Thomas Schweitzer (Bild) und sein Team bieten Bildverarbeitungskomponenten für OEMs und Integratoren an. Im Programm enthalten sind Kameras (u.a. Dahua), Intelligente Kameras (Vision Components), sowie Software, Optik und Beleuchtungen.

 

www.notavis.com

Die Viscom AG kann mit der Veröffentlichung der aktuellen Halbjahresbilanz des Unternehmens Rekordergebnisse in allen Vertriebsregionen verzeichnen. Insgesamt konnte ein Umsatzwachstum von +27,8% verglichen zur Vorjahresperiode verzeichnet werden. Damit erwirtschaftet das Unternehmen im ersten Halbjahr 2017 Umsatzerlöse in Höhe von rund 40Mio.€.

www.viscom.com

Anzeige