深度学习软件的工作原理 康耐视深度学习的优势

同学们好，之前的康博士课堂，我们已经向大家普及梳理了许多深度学习相关知识，本期是关于深度学习知识的最后一课，共分为三小节，简明易要的阐述了深度学习软件的工作原理，详细总结了康耐视深度学习的优势，并将教大家如何使用正确深度学习，让大家真正掌握深度学习技术！本章也算是对深度学习整体内容的回顾与总结，还没彻底掌握深度学习知识点的朋友们一定要认真阅读哦～

深度学习软件的工作原理

深度学习软件使用一组代表部件已知的功能特征、异常和类别的已标记图像进行培训，就像对人类检查员进行培训一样。在监督培训期指导系统识别明显的缺陷。对于以多种形式出现的缺陷，系统在无人监督模式下通过自我培训来了解物体的正常外观，包括其重要但可接受的差异。

根据这些有代表性的图像，软件创建出参考模型。这是一个持续改进的迭代过程，在此过程中可以调整参数并验证结果，直到模型的运行与所预期的相符合。在运行时，软件从一组新图像中提取数据，其神经网络定位部件、提取异常并进行分类。

康耐视深度学习的优势

Cognex Deep Learning扩展了工厂深度学习型检测的界限，为工厂自动化设计的新一代深度学习图像分析为制造商提供了创建新检测系统的机会，扩展了自动化检测的范围。它是一种即用型深度学习技术，专门针对实际的工业图像分析进行了优化。与其他深度学习型软件不同的是，Cognex Deep Learning：

• 不需要成千上万典型培训图像，只需要一小组培训图像

• 不需要很高的计算能力，只需要机器中有一张GPU卡

• 可以在工厂车间进行维护和再培训，无需机器制造商或系统集成商的干预

• 可以处理高分辨率图像，包括彩色和热图像，几乎可以识别任何异常

Cognex Deep Learning可使技术人员基于小样本图像集，在几分钟内培训深度学习型模型。应用配置完成后，这些工具可快速提供准确的检测结果，并保存图像以进行流程控制。

如何使用康耐视深度学习

Cognex Deep Learning 可使技术人员基于小样本图像集，在几分钟内培训深度学习型模型。配置应用后，Cognex Deep Learning 可提供快速、准确的结果并保存图像以进行过程控制。

在培训时，工程师或技师只需要：

• 加载示例图像

• 标记重要功能特征和缺陷

• 验证软件的结果

在部署时，Cognex Deep Learning能够：

• 从检测图像中提取数据

• 分析并解释图像

• 提供合格/不合格的结果

这些属性使Cognex Deep Learning成为工厂和制造环境的理想选择，并且非视觉专家也可以使用。

康耐视深度学习技术能够解决企业领域众多棘手的检测应用，这些检测任务直到现在都只能依靠庞大的人工检测团队来完成。通过充分利用人工智能的力量来提高产量、减少浪费和改进产品质量，也是未来工业发展的大势所趋。所以更早掌握深度学习技术，实现工厂自动化，也能让企业在生产上更领先一步。

编辑：黄飞