OKNeurriak eta arauak
Akatsa arauekin deskriba daitekeenean: neurriak, presentzia, karaktere-irakurketa. Azkarra, egonkorra eta azaltzen erraza.
Hasiera / Ikusmen artifiziala / Deep learning
Ikusmen artifiziala · adimen artifiziala
Deep learning ikuskapenean: ikusmen klasikoa iristen ez den tokian
Badira arauekin deskribatu ezin diren akatsak: tolesturak dituen zigilu bat, islak dituen gainazal bat, bi aldiz inoiz berdina ez den produktu natural bat. Horietarako deep learning erabiltzen dugu: zure produktuekin entrenatutako eta lerroan integratutako sare neuronalak.
Nola erabakitzen dugun
Ikusmen klasikoa, deep learning edo biak
Ez du dena adimen artifizialik behar. Kasu bakoitzean aztertzen dugu zer teknikak ematen duen behar duzun fidagarritasuna, eta sinatu aurretik esaten dizugu, baita bermatu ezin dena ere.
Akats zailak
Ontzi batetik bestera aldatzen denerako: zigiluak, tolesturak, islak, gainazalak, materialak edo produktu natural eta oso aldakorrak.
Prozesua, zenbakitan
Neurri bakoitzaren histogramak eta joerak, prozesua desdoitzen ari den ikusteko, lehen baztertzearen aurretik.
Benetako kasu bat
Hondoko zigilua, deep learning bidez zainduta
Gure Nadir softwarearekin kartoizko ontzien hondoko zigilatze-arazoak detektatzen ditugu deep learning bidez, eta prozesuaren estatistikak desbideratzeak aurreratzen ditu akats bihurtu aurretik.
- Zure ontzi on eta txarrekin entrenatutako sare neuronalak
- Neurri bakoitzaren batezbestekoa, sakabanaketa eta Gaussen kanpaia
- Desbideratze-alarma, lehen baztertzearen aurretik
- Baztertze bakoitzaren argazkia eta berehalako abisua zuk erabakitzen duzunari
Nola ikuskatzen ditugun zigiluak →
Nola lan egiten dugun
Laginetik lerrora
Deep learning gure adimen artifizial aplikatuaren parte da: tresna zehatzak, lerroan hobetzen dutenaren arabera neurtuak.
Zure produktuekin, urrutitik eta kosturik gabe
Pieza on eta txarren argazkiak, bideoak edo piezak bidaltzen dizkiguzu (lantegira joan behar bada, joan-etorria aparte fakturatzen da) eta esaten dizugu akatsa lerroan detektatzen den, zer teknikarekin eta zer fidagarritasun espero daitekeen.
Sare bat zure produkturako
Hamarka pieza on eta txarrekin entrenatzen has daiteke dagoeneko. Datu nahikorik ez badago, esan egingo dizugu.
Integratuta eta neurtuta
Ereduak lerroan lan egiten du errezetako beste tresna bat bezala, baztertze bakoitzaren argazkiarekin eta arrazoiarekin.
Ohiko galderak
Zalantza ohikoenen erantzunak
Noiz behar da deep learning ikuskapen batean?
Akatsa arauekin deskribatu ezin denean: zigiluak, gainazalak, tolesturak, islak edo produktu natural eta oso aldakorrak. Akatsa neur badaiteke, ikusmen klasikoa sinpleagoa eta egonkorragoa da.
Zenbat irudi behar ditut hasteko?
Ez beti asko: hamarka pieza on eta txarrekin entrenatzen has daiteke dagoeneko. Zintzotasunez esaten dizugu datu nahikoa dagoen edo zer falta den.
Nire irudiak enpresatik ateratzen dira?
Zuk erabakitzen duzu. Zure instalazioetan exekutatzen diren ereduekin edo kontratupeko hodeiko zerbitzuekin lan egin dezakegu, eta hasi aurretik azaltzen dizugu.
Ikusmen klasikoarekin konbina daiteke?
Bai, eta hori da ohikoena: arauak neurtzen denerako eta deep learning aldatzen denerako, ikuskapen berean.
Bideragarritasun-proba urrutitik, kosturik gabe
Zure akatsa ezin da arauekin deskribatu?
Bidal iezazkiguzu lagin onak eta txarrak. Zer teknikak funtzionatzen duen zure produktuarekin eta zer fidagarritasun espero daitekeen esango dizugu.