Was ist Deep Learning?

4. Feb 2020
was-ist-deep-learning

Was ist Deep Learning?

Deep Learning begegnet uns immer öfter. Beinahe jede Branchenzeitschrift, jedes Online Magazin und viele Newsletter schreiben darüber. Auch Sie haben bestimmt davon gehört oder darüber gelesen.

Oft wird nur klar, dass es Deep Learning gibt und welche Erfolge damit generiert werden können. Vielleicht fragen Sie sich, ob Sie ebenfalls Deep Learning anwenden können und welche Möglichkeiten es für Sie gibt. Wer möchte denn nicht seine Produktivität und die Qualität seiner Produkte weiter verbessern?

Wir möchten Ihnen einen Überblick über die Funktionsweise von Deep Learning geben. Anschliessend wird Ihnen auch klar, ob ein Einsatz bei Ihnen möglich ist.

Deep Learning gehört zu Machine Learning

Kurz gesagt ist Deep Learning ein Teil von Machine Learning. Machine Learning ist ein Oberbegriff für die maschinelle Mustererkennung. Aus verschiedenen Datensätzen werden mit einem Algorithmus Ähnlichkeiten ermittelt. Bei vielen Dimensionen der Daten oder bei zu wenigen Daten ist eine Mustererkennung mit diesem Algorithmus jedoch häufig problematisch.

Deep Learning Systeme bestehen aus sogenannten neuronalen Netzen. Sie können gleichzeitig mehrere Dimensionen abdecken und eignen sich hervorragend für die Erkennung und Klassifizierung von Objekten. Bei diesen Anwendungen sollten in Bruchteilen von Sekunden mehrere Merkmale erkannt und zugeordnet werden.

Diese künstlichen neuronalen Netze nehmen sich das menschliche Gehirn zum Vorbild, das aus natürlichen neuronalen Netzen besteht.

Als Dimensionen werden unter anderem die vielen verschiedenen Merkmale bezeichnet. Beispielsweise hat ein Apfel mindestens die Form, die Farbe und den Stiel als Dimension.

Wie funktioniert Deep Learning?

Deep Learning besteht aus verschiedenen möglichen Netzen für die Erkennung und Klassifizierung von Mustern.  Im Machine Vision Bereich wird meist auf das Konzept der Deep Convolutional Networks (DCN) zurückgegriffen. Das DCN eignet sich bestens für die Bildanalyse.

Mit solch einem DCN werden hochdimensionale Erkennungsaufgaben möglich. Dem Netz für die Klassifizierung ist ein Netz zur Dimensionsreduktion vorgeschaltet, denn nicht immer sind alle Dimensionen für die Erkennung des Produktes notwendig. Dieses Netz liest die Bilddaten Pixel für Pixel in bestimmten Sektoren aus, die sich gegenseitig überlappen. Erst danach werden die Daten in einem weiteren Netz klassifiziert.



So sieht ein DCN in der Theorie aus:

was-ist-deep-learning

 

Das Deep Learning Netzwerk erkennt so aus dem vorhandenen Bildmaterial das Produkt. Es kann darüber hinaus die verschiedenen Merkmale selbst lernen. Ein herkömmliches System für maschinelles Lernen vertraut jedoch auf Daten, die Sie manuell eingetragen haben. 

Allerdings muss auch das Deep Learning Modell trainiert werden. Das kann viel Zeit kosten. Ohne die passende Hardware kostet das manchmal Tage und sogar Wochen. Mit der Verwendung eines Grafikprozessors kann der Aufwand auf wenige Stunden reduziert werden, da ein Grafikprozessor mehrere Prozesse gleichzeitig berechnen kann.

Wie können Sie Deep Learning anwenden?

Deep Learning hilft Ihnen ganz besonders, wenn Sie komplexe Erkennungs – und Klassifizierungsaufgaben durchführen möchten. Wenn Sie bereits Machine Learning einsetzen, aber manchmal an die Grenzen kommen, dann kann Deep Learning der richtige Ansatz für Sie sein.

Ganz besonders für medizinische Anwendungen oder komplexe Produkte eignet sich Deep Learning, da es hier oft mehrere Dimensionen gibt.

Im Medical und Life Sciences Bereich können mit Deep Learning zum Beispiel ganz einfach automatisch bestimmte Zellen erkannt werden. Deshalb wird Deep Learning sogar schon in der Krebsforschung eingesetzt.

Auch in der Qualitätskontrolle kommt Deep Learning zur Anwendung. Im Rahmen der Automatisierung können so Produkte, die Ihre Qualitätsstandards nicht erreichen, aussortiert werden.

Was brauchen Sie für die Implementierung?

Für eine erfolgreiche Implementierung von Deep Learning für die Erkennung und Klassifizierung von Mustern benötigen geeignete Hardware und eine Deep Learning Software.

Die Hardware besteht aus einem Vision System und einem Grafikprozessor. Dieser Grafikprozessor befindet sich am besten auf einem speziellen Framegrabber, den Sie in beinahe jedem PC installieren können. Das Vision System kann dann durch den Framegrabber mit dem PC verbunden werden, während die meiste Rechenarbeit bereits in der Kamera und dem Framegrabber geschieht. Diesen Framegrabber erhalten Sie einzeln oder den CXP 12 Framegrabber nur in Verbindung mit der Basler boost.



Möchten Sie ein noch kompakteres und noch kostengünstigeres System setzen, dann empfehlen wir Ihnen Embedded Deep Learning. Dieses System setzt auf die Kombination von Boardlevel Kameras und Embedded Processing Einheiten. Das sorgt für niedrige Stückkosten und eine schnelle Einsatzbereitschaft.  

Wir freuen uns, wenn wir Ihnen helfen können Ihr Potenzial noch viel mehr auszuschöpfen. Kontaktieren Sie uns gerne bei weiteren Fragen.

glqxz9283 sfy39587stf02 mnesdcuix8