Deep Learning vs. klassische Bildverarbeitung

Was Deep Learning in der Bildverarbeitung leisten kann

Deep Learning benötigt kein starres Regelwerk, sondern verlässt sich auf vorverarbeitete Daten. Klassische Bildverarbeitung punktet dagegen immer dann, wenn klare Regeln definiert werden können.
(PresseBox) ( Burghausen, )
Vergleicht man Deep Learning mit herkömmlichen Bildverarbeitungsmethoden, unterscheiden sie sich vor allem in der Gewinnung wichtiger Merkmale eines Bildes. Dadurch können komplexe Inspektionsaufgaben gelöst werden, die mit klassischer Bildverarbeitung nicht möglich sind.

Der Vorteil der klassischen Bildverarbeitung ist eine klar definierte Umgebung mit einer sehr genauen Kenntnis darüber, welche Art von Produkt oder Werkstück betrachtet wird. Die traditionellen Methoden punkten immer dann, wenn klare Regeln für eine eindeutige Ja-/Nein-Klassifizierung definiert werden können.

Deep Learning benötigt dagegen kein starres Regelwerk, sondern verlässt sich auf vorverarbeitete Daten. Als Grundlage für die Klassifizierung dienen Musterformulare oder CAD-Modelle. Zum Einlernen durchläuft die Software eine Trainingsphase. Deep Learning eignet sich für komplexe Prüfobjekte, die mit konventioneller Bildverarbeitung nicht gelöst werden können, zum Beispiel die Inspektion transparenter oder inhomogener Oberflächen oder die Erkennung von Produkten mit hoher Merkmalsvarianz
The publisher indicated in each case is solely responsible for the press releases above, the event or job offer displayed, and the image and sound material used (see company info when clicking on image/message title or company info right column). As a rule, the publisher is also the author of the press releases and the attached image, sound and information material.
The use of information published here for personal information and editorial processing is generally free of charge. Please clarify any copyright issues with the stated publisher before further use. In the event of publication, please send a specimen copy to service@pressebox.de.