Embedded Vision Alliance
Besseres Maschinensehen durch Deep Learning
Fortsetzung des Artikels von Teil 1
Aufgaben der Embedded Vision Alliance
Googles Open-Source-Framework TensorFlow beruht auf Deep-Learning-Technologien. Laut einer kürzlich veröffentlichten Studie der Embedded Vision Alliance ist TensorFlow derzeit die beliebteste Deep-Learning-Plattform für rechnergestütztes Sehen und hat dabei Caffe, OpenCV und andere Optionen hinter sich gelassen. Worin liegen Ihrer Meinung nach die Gründe für diesen Erfolg?
Ein Grund für die Popularität von TensorFlow ist sicher, dass Google ein Technologieführer ist und TensorFlow selbst extensiv einsetzt. Ingenieure anderer Firmen haben großes Interesse daran, dieselbe Technologie zu verwenden wie solche führenden Unternehmen. Die Tatsache, dass TensorFlow eine Open-Source-Plattform ist, spielt sicherlich auch eine große Rolle – es kostet schlichtweg nichts, TensorFlow zu benutzen. Hinzu kommt, dass TensorFlow das erste Deep-Learning-Framework ist, das sich auf den effizienten Einsatz tiefer neuronaler Netze nicht nur in Rechenzentren, sondern auch in Embedded-Systemen und mobilen Geräten fokussiert.
Sie haben die Embedded Vision Alliance 2011 gegründet. Was sind deren Aufgaben und warum fördert sie Technologien wie Deep Learning und das TensorFlow-Framework so aktiv?
Die Embedded Vision Alliance hat sich das Ziel gesetzt, den praktischen Einsatz des rechnergestützten Sehens in jeder Art von Anwendung zu erleichtern. Wir versuchen, dies vor allem dadurch zu erreichen, dass wir Schulungen und andere weiterbildende Maßnahmen für Unternehmen und Ingenieure anbieten, die Methoden der optischen Erkennung in ihren Geräten, Systemen oder Applikationen bereits einsetzen oder planen, dies zu tun. Die Organisation hilft außerdem Technologielieferanten wie etwa Herstellern von Prozessoren und Sensoren dabei, die Informationen und Hintergründe zu bekommen, die sie benötigen, um in dem Markt erfolgreich zu sein.
Für Bildverarbeitungstechnik-Entwickler
Deep-Learning-Schulung
Die Embedded Vision Alliance veranstaltet am 7. September 2017 im Steigenberger-Hotel in Hamburg ein ganztägiges Training zum Thema »Deep Learning for Computer Vision with TensorFlow«. Das Training beruht auf Googles Open-Source-Framework TensorFlow und eröffnet die Chance, sich über die Einsatzmöglichkeiten von TensorFlow bei der optischen Bilderkennung zu informieren. Den Teilnehmern soll es praxisnahes Wissen vermitteln, das erforderlich ist, um TensorFlow für die Entwicklung und den Einsatz von Deep-Learning-Applikationen für das künstliche Sehen auf PCs, Embedded-Systemen, Mobilgeräten und in der Cloud zu nutzen. Die flexible Architektur von TensorFlow ermöglicht dabei mit einer einzigen API den Einsatz einer oder mehrerer CPUs, GPUs, DSPs oder anderer Prozessoren.
Der Trainer wird in dem Seminar erklären und demonstrieren, wie sich TensorFlow für Deep-Learning-basierte Machine-Vision-Aufgaben nutzen lässt. Die Teilnehmer werden dabei anhand angeleiteter Übungen praktische Erfahrungen beim Schreiben von TensorFlow-Code sammeln. Die Schulung eignet sich für Ingenieure, die Algorithmen und Software für Machine Vision entwickeln und TensorFlow rasch für diese Aufgaben nutzen wollen. Einsatzgebiete dafür finden sich in den verschiedensten Anwendungsfeldern, unter anderem in Industrie, Medizin, Konsumelektronik, Einzelhandel, öffentlicher Sicherheit oder Automotive. Manager, die Grundlagen für die Entwicklung tiefer neuronaler Netze und den Einsatz von TensorFlow aufbauen wollen, können mit dem Training ihr Wissen ebenfalls erweitern. Nach dem Seminar sollen alle Teilnehmer in der Lage sein, TensorFlow produktiv für ihre Tätigkeiten zu nutzen. Schon vor dem eigentlichen TensorFlow-Schulungstag wird die Embedded Vision Alliance Teilnehmern, die eine Einführung in die Technik tiefer neuronaler Netze benötigen, ein zweistündiges Online-Videotutorial anbieten.
Die Schulungssprache ist Englisch. Weitere Informationen zur Schulung und zur Anmeldung sind unter https://tensorflow.embedded-vision.com zu finden.
- Besseres Maschinensehen durch Deep Learning
- Aufgaben der Embedded Vision Alliance
