ビジョンシステムにおけるディープラーニングの活用方法
コンピュータービジョン世界に急速に普及しつつあるディープラーニング（深層学習）。これを行う人工ニューラルネットワーク（ANN）には、大きく分けて2つの特長があります。1つ目は、ロボットやファクトリーオートメーション、リテール関連機器の処理精度や耐久性の向上が期待できること。そして2つ目は、顕微鏡による病理検査や複雑なパターンの分類が必要な表面検査など、これまで不可能であった画像分析が可能であることです。
ディープラーニングによる画像処理と従来の画像処理の比較
従来の画像処理
用途例
シンプルな形状・構造の認識
座標の補正・変換
位置・距離・寸法の測定
画像の前処理
コードの読み取り
メリット
簡単シンプルなシステム構造
高度かつ追跡可能なアルゴリズム
ディープラーニングによる画像処理
用途例
形状・寸法の異なる物体の認識
複雑な物体・構造の識別
異なる背景における認識
異なる照明条件における認識
文字認識
メリット
安定したシステム構造
複雑な物体に対する高精度な認識
高速かつ正確な推論が可能：FPGAボード搭載システムにおけるディープラーニングの活用方法
ディープラーニングによる膨大なデータ処理が必要な場合、高速かつ正確な推論で最高の性能を実現するFPGAボードを搭載したビジョンシステムがおすすめです。Silicon Software社製microEnable 5 marathon deepVCLとFPGA画像処理開発環境VisualAppletsを組み合わせれば、わずか数クリックでFPGA上で動くANNを構築できます。
詳細はこちら
シンプルな構造で迅速な市場投入が可能：コンピューターシステムにおけるディープラーニングの活用方法
システムにおけるディープラーニングの活用方法 システムの簡易化と迅速な市場投入が求められる場合、スムーズなデザイン・インが可能なコンピューターシステムがおすすめです。幅広いラインナップを誇るカメラシリーズace、pylon Camera Software Suiteなど、Baslerがお届けするプラグアンドプレイ対応のハードウェアとソフトウェアを使用すれば、ANNの導入にかかる労力を抑えながら、ディープラーニングに最適なコンピュータービジョンシステムが構築できます。
詳細はこちら
コンパクトかつ低コスト：エンベデッドシステムにおけるディープラーニングの活用方法
コンパクトかつ低コストなエンベデッドシステム。ボードレベルカメラとエンベデッドプロセッサーを組み合わせてビジョンシステムを構築すれば、製品単価を最小限に抑えることができるほか、エッジデバイスをスマートに活用することで、処理速度の向上やレイテンシーの低減、情報セキュリティの強化にもつながります。カメラモジュールから各種コンサルティング、すぐに導入可能なソリューションに至るまで、Baslerがディープラーニングに最適なエンベデッドビジョンソリューションをご提案いたします。
詳細はこちら機械学習の手法
機械学習の手法は、データの取り扱い方によって大きく3種類に分けられます。
教師あり学習：質問と回答をワンセットで学習する手法です。正確・不正解が明確な場合に適しています。
教師なし学習：質問のみからデータの構造やパターンを学習する手法です。データを正確にグループ分けできるため、クラスター分析などに適しています。
強化学習：特定の環境下で試行錯誤を繰り返しながら、最適な行動を学習する手法です。正しい行動を取るほど報酬が大きくなるため、報酬を最大化するために間違った行動を取らないようになります。
AIの根幹となるニューラルネットワークは、その学習状況によってシステム全体の性能を大きく左右するため、Google社、Microsoft社、IBM社のような大手企業では、機械学習とデータベースの構築に多大な投資を行っています。特にGoogle社は、機械学習向けソフトウェアライブラリーTensorFlowをオープンソースで公開し、誰でもアクセスできるようにすることで、継続的な開発を推進しています。
