新闻资讯
联系我们

地址:江苏省南京麒麟人工智能产业园
邮箱:hongqizhineng2017@163.com
电话:025-52128318
网址:www.jshongqi.cn
 
行业新闻
了解机器视觉起源与开发
发表时间:2019-06-26  点击:263

机器视觉的起源与开放

深度学习的概念对于机器视觉来说相对较新,但对于机器学习来说绝对不是新概念。深度学习是机器学习的一种特殊类型,是人工智能的一种。

丹佛的集成商Artemis Vision总裁Tom Brennan说道:“用于深度学习的当前神经网络算法非常好,但如果你使用图灵测试作为晴雨表,它们还没有达到人工智能的水平,目前深度学习在一些医疗设备和制药应用得到了应用。”

Brennan说:“图灵测试要求机器或技术表现出与人类相当的行为,人工智能级别的算法可以直接响应人类智能的任何问题。

最初的计算机视觉深度学习架构是由Kunihiko Fukushima在20世纪80年代引入的新认知。作为一种人工神经网络,neocognitron已被用于手写字符和模式识别任务,并作为通常用于分析视觉图像的更复杂神经网络的基础。

开源深度学习软件最早出现在20世纪90年代,当时出现了许多关键的算法突破。从那时起,计算机科学家已经能够更好地利用巨大的计算能力和数据,这对神经系统的形成至关重要网络很好地工作。网上可用的开源软件包括C/ c++和Java库、框架和工具包。

Cyth Systems首席执行官Andy Long解释说:“十年前,当深度学习软件和相关硬件的能力远远不够时,培训软件进行深度学习需要大约两周的时间。到2014年,这花了大约两天时间,现在不到一天。”

雄心勃勃的集成商和制造商倾向于从开源软件开始,因为它不需要许可或特许权使用费。在缺点方面,供应商提供的技术支持很少,在网络培训开始之前,最终用户必须仔细地对几百到几千张数据集图像进行分类。

“Petry指出:“使用开源软件开始深度学习实践的公司需要一个真正专家,比如工程学博士。”即使这样,用户也很容易花6到12个月的时间来获得适合应用程序的软件。还有一个问题是,当需要检查不同的零件或装配过程发生变化时,必须重做软件。

Brennan说,Artemis在两个深度学习应用程序中使用了开源软件。在这两种情况下,Artemis的工程师都需要对软件进行“大约2%”的修改和微调,以完全适应每个应用程序。