Unlocking the value in video

Jeff Bier’s Embedded Column: Deep neural networks

Today, billions of hours of video are collected each year, but most of it is never used, because we don’t have a practical way to extract actionable information from it. A new generation of computer vision solutions, powered by deep neural networks, will soon change this, unleashing the tremendous value that’s currently locked away in our video files.
As a kid in the late 1970s, I remember some of the early consumer video cameras. They were very big, very heavy, and very expensive. In the subsequent 40 years, the electronics industry has done an admirable job of making video capture usable and accessible to the masses. Today, any smartphone can shoot HD video, and a good consumer camcorder costs around $250. „Action cams,“ meant for mounting on a helmet or handlebars, sell for less than $100. You can even buy a drone with good video recording capabilities for a few hundred dollars. So capturing video is now cheap and easy, and, these days we capture lots of video. I’ve accumulated at least 100 hours of recordings of family events. And I keep recording more. But it started to feel pointless when I realized that in all probability, no one would ever watch these recordings. Let’s face it, most of us are not very talented videographers and don’t have the time, skills, or motivation to edit the footage we capture. So, the content piles up. Maybe 1% of it is really worth watching, but which 1%? As a technology enthusiast, I held out hope that someday, technology would arrive that would make my home-video archive accessible. „Show me clips of Cousin Fred laughing at a birthday party,“ I’d command, and the relevant clips would magically appear. But as I’ve learned about computer vision algorithms over the past few years, I’ve realized how difficult a problem this is. Just considering one aspect of the problem – identifying people – the complexity is daunting. A face can be very close to the camera, or at a distance. It can be looking straight at the camera, or off at an angle. People may be wearing sunglasses or hats. They may be in shadows or backlit. And, of course, a really powerful video-indexing system would not only recognize people, it would also understand what activities they’re engaged in, what their emotional states are, and what kind of setting they’re in. With conventional computer vision techniques, this is a really tough problem, the kind that could consume hundreds of man-years of engineering effort and still not yield a robust solution. So, maybe, I thought, I should just stop capturing video. More recently, though, researchers have shown that deep neural networks are well suited for this type of task. Unlike traditional computer vision algorithms, which are based on intricate procedures formulated by engineers to tease apart one type of image from another, deep neural networks are generalized learning machines, which learn how to distinguish objects (and other things, like emotions) through a training procedure that exposes them to numerous examples. This extensive training helps make neural networks robust in the face of variations in inputs. It will likely be a few years, at least, before video indexing solutions based on deep learning are reliable enough to be attractive for typical applications. But it seems inevitable that they will arrive. And when they do, they’re going to unlock huge value. Because it’s not only the billions of hours of home videos that will get indexed, but also, for example, the video from the security camera in front of my home – which might help my neighbor find his lost dog. And the video from the camera in my neighborhood coffee shop, which will help the owner optimize her staffing schedule based on customer traffic. If you’re interested in learning about deep neural networks and other computer vision topics, I invite you to join me at the Embedded Vision Summit on May 2-4 in Santa Clara, California. This event, an educational forum for product creators interested in incorporating visual intelligence into electronic systems and software, is organized by the Embedded Vision Alliance.

Das könnte Sie auch interessieren

Oberflächen- und Konturmessung in einem Gerät

Das integrierte Messsystem Duo Vario bietet zwei Messverfahren: das Konfokale und die Fokusvariation, für eine Oberflächenanalyse von Rauheit sowie Konturmessungen. Mit dem konfokalen Verfahren können stark reflektierende Oberflächen rückführbar auf herstellerunabhängige Raunormale gemessen werden. Mit dem neuen Gerät ist dies nun auch mit einem größeren Bildfeld und mit einer höheren lateralen Auflösung möglich. Das Fokusvariationsverfahren ist vor allem für die Messung von Formen und Konturen vorteilhaft. Dabei beträgt der Akzeptanzwinkel über 85°.


3D-Fotogrammetrie-Kamera mit visueller Projektion

Die Maxshot 3D-Fotogrammetrie-Kamera verbindet eine einfache Bedienung und Genauigkeit mit umfangreichen Größenmessprojekten. Sie kann als einzelnes Messgerät aber auch in Kombination mit Creaforms 3D-Scannern und tragbaren KMMs verwendet werden. Das Gerät ist 40% präziser als der Vorgänger und hat eine volumetrische Genauigkeit von bis zu 0,015mm/m. Eine visuelle Projektion mit Echtzeit-Feedback direkt auf dem Teil, leitet den Nutzer zu der richtigen Position für die Aufnahme.


Reflektivität in voller Bandbreite

Das Interferometer µPhase basiert auf dem Twyman-Green-Prinzip und vermisst hochpräzise Abweichungen in Planität und Sphärizität, mit einer Genauigkeit bis zu 0.01µm. Die berührungsfreie Messung und Auswertung erfolgt dabei großflächig innerhalb von Sekunden.


66. Heidelberger Bildverarbeitungsforum

Das 66. Heidelberger Bildverarbeitungsforum wird am 10. Oktober in Freiburg an der Technischen Fakultät der Albert-Ludwigs-Universität stattfinden. Das diesjährige Schwerpunktthema lautet ‚Mensch-Maschine-Interaktion mit Vision‘ und gibt anhand von verschiedenen Vorträgen einen systematischen Einblick in die Anwendungsfelder, in der Vision-Technologien zur Interaktion mit dem Menschen eingesetzt werden können. Am Ende der Veranstaltung wird es eine große Abschlussdiskussion zur Fazit-Findung geben.


Yxlon: Neuer Global Director of Electronics Sales

Yxlon International, spezialisiert auf Durchleuchtungs- und CT-Inspektionssysteme, hat Keith Bryant zum neuen Global Director Electronics Sales ernannt. Bryant bringt über 25 Jahre an Erfahrungen im Bereich Technical Sales mit sich, besonders aus dem Bereich X-Ray. Er wird fortan für alle globalen Marktkanäle zuständig sein und dem globalen Salesteam des Unternehmens vorstehen.


Megatrend Embedded Vision

Mit der ersten Embedded Vision Europe (EVE) Konferenz wird Stuttgart vom 12. bis 13. Oktober zur Embedded Vision Hauptstadt Europas. Hauptredner und Aussteller für die Premierenveranstaltung im ICS Stuttgart stehen bereits fest.