《電子技術應用》
您所在的位置:首頁 > 人工智能 > 解決方案 > 邊緣學習 丨 人工智能的全新定義

邊緣學習 丨 人工智能的全新定義

2022-11-14
來源:康耐視

11.png

傳統(tǒng)的深度學習,需要大量的圖像訓練才能開始工作,為了訓練和執(zhí)行模型,涉及的計算要求非常高,但其實并非所有項目都需要如此清晰的細化分辨。而康耐視推出的邊緣學習技術,可以讓您使用更少的圖像更快的學習,并且由于學習速度快,無需GPU。

自動化視覺檢測對于提高制造速度和準確性至關重要,因此深度學習是一種出色的解決方案。但要有效地使用深度學習技術,前期需要大量的圖像訓練和模型執(zhí)行,并且自動化工程師還需具備深度學習專業(yè)知識。而邊緣學習對于所有人而言都是一種可行的自動化解決方案,只需少量圖像在簡短的時間內(nèi)即可完成訓練,還無需具備該領域的專業(yè)知識即可完成部署。

22.png

什么是邊緣學習

所謂邊緣學習即指“邊緣深度學習”, 其是將基于規(guī)則的高效機器視覺嵌入到一套預先訓練的深度學習算法中,以創(chuàng)建針對工廠自動化優(yōu)化過的一個集成工具集。邊緣學習通過使用基于單臺智能相機的解決方案,可以在數(shù)分鐘內(nèi)將邊緣學習部署到任何生產(chǎn)線上。邊緣學習與其他深度學習產(chǎn)品的不同之處在于,其專注于確保在應用部署的所有階段都易于使用。舉例來說,邊緣學習僅需更少的圖像即可實現(xiàn)概念驗證,圖像設置和采集時間也更少,并且無需專門編程。

邊緣學習3大優(yōu)勢

1、 無需經(jīng)驗

該技術無需機器視覺和深度學習方面的專業(yè)知識。相反,生產(chǎn)線工程師可以基于其對所需解決任務的現(xiàn)有了解來訓練邊緣學習技術。

2、 易于部署

通過使用基于單臺智能相機的解決方案,用戶可以在數(shù)分鐘內(nèi)將邊緣學習部署到任何生產(chǎn)線上。該解決方案集成了高質(zhì)量的視覺硬件、用于預處理每個圖像以減少計算量的機器視覺工具、經(jīng)過預訓練以解決工廠自動化問題的深度學習網(wǎng)絡以及專為工業(yè)應用設計的簡單用戶界面。

3、 使用方便

邊緣學習并非通用的解決方案,而是專門為工業(yè)自動化應用量身定制的。邊緣學習與其他深度學習產(chǎn)品的不同之處在于,其專注于確保在應用部署的所有階段都易于使用。相比更傳統(tǒng)的深度學習解決方案,該技術設置簡單,訓練所需的時間和圖像也更少,并且無需編程經(jīng)驗。

邊緣學習3大工具

1、ViDi EL Classify工具

為有挑戰(zhàn)性的視覺應用提供了更簡化的自動化方法。該工具可以進行實時“邊緣”學習,交付快速、準確的結(jié)果。通過使用一組預先訓練的算法,ViDi EL Classify可以在數(shù)分鐘內(nèi)部署,每個類別只需要使用低達五個到十個圖像,無需代碼。這款強大、易用的工具可以為所有技能水平的用戶帶來先進的視覺能力。

33.png

2、ViDi EL OCR工具

使用光學字符識別(OCR)技術,能夠解碼嚴重變形、歪斜、蝕刻不良的字符。預配置的全方位字體庫開箱即可識別大多數(shù)文本,無需額外的編程或字體訓練。ViDi EL OCR可進行實時“邊緣”學習,在數(shù)分鐘內(nèi)即可解決任務。通過使用一組預先訓練的算法,該工具簡化作業(yè)設置,并能交付快速、準確的識別和讀取能力。

44.png

3、SmartLine智能找邊工具

結(jié)合傳統(tǒng)視覺找邊工具優(yōu)勢與深度學習強大分割能力,即使在圖像對比度不佳,存在混淆邊干擾等情況下,也可以通過少量樣本的簡單訓練,快速且動態(tài)地鎖定需要分辨的一條或幾條邊,提高邊線檢測的精度和可靠性,減少部署和維護時間。

55.png

可以說邊緣學習是一項足以改變行業(yè)規(guī)則的技術,比傳統(tǒng)機器視覺的功能更強大,并且更易于使用。通過邊緣學習三大工具,用戶僅需更少的圖像即可實現(xiàn)概念驗證,圖像設置和采集時間也更少,并且無需專門編程。

相信隨著邊緣學習的出現(xiàn),生產(chǎn)線工程師們也可逐漸擺脫繁復的先進機器視覺或深度學習培訓,只需通過輕松部署邊緣學習工具,就能在日常工作中體會其強大功能。而一些具備更深入的傳統(tǒng)機器視覺工具知識的自動化工程師則可以充分利用現(xiàn)有的知識,在開發(fā)復雜而強大的工廠自動化流程過程中借助邊緣學習技術,使項目運行的更加平穩(wěn)!

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權者。如涉及作品內(nèi)容、版權和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當措施,避免給雙方造成不必要的經(jīng)濟損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。
主站蜘蛛池模板: 91成人试看福利体验区| 久久国产一区二区三区| 精品欧美一区二区三区在线观看| 国产精品日本一区二区在线播放 | 久久受www免费人成_看片中文| 波多野结衣在线观看一区二区三区| 国产农村乱子伦精品视频| 51国产偷自视频区视频| 妞干网在线观看视频| 久久国产香蕉视频| 欧美性猛交xxxx乱大交3| 免费一级大片儿| 色综合久久天天综合绕观看| 国产粗话肉麻对白在线播放| WWW免费视频在线观看播放| 成年大片免费视频| 久久精品国产乱子伦| 欧美成人看片黄a免费看| 免费a级毛片无码免费视频| 自拍偷拍999| 国产成人三级经典中文| 2018狠狠干| 在线视频国产99| 一级一级18女人毛片| 日本一道高清一区二区三区| 亚洲AV人无码综合在线观看| 欧美白人最猛性xxxxx| 免费a级在线观看播放| 老司机免费在线| 国产在线步兵一区二区三区| 你懂的免费视频| 国语free性xxxxxhd| а天堂中文最新一区二区三区| 无码任你躁久久久久久久| 久久综合九色综合97伊人麻豆| 欧美日本韩国一区二区| 亚洲韩国欧美一区二区三区 | 天天躁日日躁狠狠躁人妻| 中文字幕在线电影| 日本视频免费观看| 亚洲av无码一区二区三区在线播放|