深度學習

機器視覺與深度學習之間的選擇

Machine Vision vs Deep Learning software examples

應用需求要求使用最適當的檢測方法

基於深度學習型的圖像分析傳統機器視覺 是互補性技術,兩者在能力上有雷同之處,有些領域方面則各有千秋。傳統機器視覺與深度學習之間該如何選擇,主要取決於以下幾點:
  • 要解決的應用類别
  • 要處理的資料量
  • 處理能力
傳統基於規則的程式設計技術更為勝出的地方在於:
  • 計量和測量
  • 精準校準
基於深度學習型的圖像分析勝出的地方在於:
  • 複雜的塗裝檢測
  • 材質與材質分類
  • 組裝檢驗
  • 變形和可變功能特徵定位
  • 難以讀取的 OCR,包括畸變的列印

某些應用可能涉及這兩種技術。譬如,傳統視覺可能是精準固定某個興趣區的較佳選擇,而深度學習則是檢測該區的較佳選擇。之後,基於深度學習型的檢測結果可能回傳到傳統視覺,以精準測量缺陷的尺寸和形狀。

機器視覺與深度學習的部署時機

基於深度學習型的圖像分析和傳統機器視覺 是互補性技術,兩者在能力上有雷同之處,有些領域方面則各有千秋。某些應用可能需或涉及這兩種技術。

相關內容

欲知悉關於康耐視產品的詳細訊息:

康耐視特色產品

取得產品支援與訓練等等

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

聯絡我們
Loading...