機(jī)械社區(qū)

標(biāo)題: 聊聊視覺算法 [打印本頁(yè)]

作者: jason6 時(shí)間: 2024-8-30 14:51
標(biāo)題: 聊聊視覺算法
前陣子有幾個(gè)供應(yīng)商來(lái)推薦他們的視覺設(shè)備，跟我聊視覺深度學(xué)習(xí)，后來(lái)我問(wèn)了幾個(gè)問(wèn)題，答不上來(lái)就不了了之了，說(shuō)明自己都不知道用來(lái)干嘛的。這個(gè)細(xì)分領(lǐng)域，亦是魚龍混雜，做的好的少之甚少。

我問(wèn)了5個(gè)問(wèn)題：

1. 是否可以遷移訓(xùn)練模型？例如之前用2000張圖像的目標(biāo)檢測(cè)模型，新發(fā)現(xiàn)的幾張NG圖像加入重新訓(xùn)練？

2. 你們家的深度學(xué)習(xí)是基于哪幾個(gè)深度學(xué)習(xí)框架的？
--- TensorFlow
--- pytorch
--- Keras
--- Caffe
--- Theano
--- CNTK

3. 你們的視覺深度學(xué)習(xí)目前支持哪幾種應(yīng)用場(chǎng)景？
--- 分類檢測(cè)
--- 目標(biāo)檢測(cè)
--- 語(yǔ)義分割
--- 還是其他？

4. 是否有獨(dú)立的標(biāo)注軟件？（他們問(wèn)什么是標(biāo)注軟件？）
--- 標(biāo)注軟件就是人工把缺陷位置圈出來(lái)，這就是標(biāo)注。

5. 你們目前的模型是什么格式的？是否可以使用通用的ONNX推理？

作者: leioukupo 時(shí)間: 2024-8-30 15:13
這5個(gè)問(wèn)題都不知道，那還不如我，至少我知道
我是不是也能去做視覺產(chǎn)品了

作者: 學(xué)者11 時(shí)間: 2024-8-30 17:02
本帖最后由學(xué)者11 于 2024-8-30 17:10 編輯

我覺得是你的提問(wèn)就顯得欠缺語(yǔ)法，比如第一個(gè)問(wèn)題，換成“在視覺深度學(xué)習(xí)領(lǐng)域，之前用2000張圖像訓(xùn)練過(guò)的目標(biāo)檢測(cè)模型，現(xiàn)在新加入幾張NG圖像是否可以進(jìn)行重新訓(xùn)練？”，這種描述是不是更好？
答案是當(dāng)然可以，然而在這樣做之前，你需要考慮以下幾個(gè)方面：
數(shù)據(jù)一致性：確保新的圖像與原來(lái)的訓(xùn)練集在數(shù)據(jù)分布上保持一致，避免引入數(shù)據(jù)偏移。
數(shù)據(jù)質(zhì)量：“NG圖像”的質(zhì)量可能會(huì)對(duì)訓(xùn)練過(guò)程產(chǎn)生影響。如果這些圖像是低質(zhì)量的或者標(biāo)注有誤，那么它們可能會(huì)影響模型的整體性能。
數(shù)據(jù)量影響：雖然添加少量圖像通常不會(huì)顯著改變模型的行為，但如果這些圖像具有很強(qiáng)的代表性或包含重要的特征，則有可能對(duì)模型產(chǎn)生積極的影響。反之，如果這些圖像的質(zhì)量較差，也有可能導(dǎo)致模型性能下降。
如果你擔(dān)心新的圖像會(huì)對(duì)現(xiàn)有模型造成負(fù)面影響，可以嘗試使用遷移學(xué)習(xí)的方法，僅微調(diào)模型的部分層而不是整個(gè)網(wǎng)絡(luò)。
另外，也可以采用增量學(xué)習(xí)的方法，這樣模型可以逐步適應(yīng)新的數(shù)據(jù)而不完全忘記舊的數(shù)據(jù)上的學(xué)習(xí)成果。

人家不愿意回答采用的是哪種深度學(xué)習(xí)框架也很正常，這屬于商業(yè)機(jī)密。

你問(wèn)人家ONNX推理的事，對(duì)方只會(huì)認(rèn)為你有惡意。因?yàn)橥ㄟ^(guò)ONNX，開發(fā)者可以使用一種深度學(xué)習(xí)框架訓(xùn)練模型，然后在另一種框架或者專門的高性能推理引擎中運(yùn)行這個(gè)模型。所以對(duì)方會(huì)想，你該不會(huì)想偷我們的模型，然后在你們公司的框架上運(yùn)行這個(gè)模型吧。人家賣的是服務(wù)，沒打算把家賣給你啊。

所以根本原因是你的提問(wèn)已經(jīng)大大超過(guò)了一個(gè)普通用戶的需求，很多是創(chuàng)業(yè)者才會(huì)想到的。

作者: m2006410 時(shí)間: 2024-8-30 21:17

作者: hxglty 時(shí)間: 2024-8-30 23:10
那些視覺軟件基本上都內(nèi)嵌了大把的算法庫(kù)，隨便改改就可以用了，比如說(shuō)Halcon

作者: huhu2 時(shí)間: 2024-8-31 17:08
本帖最后由 huhu2 于 2024-8-31 18:57 編輯

現(xiàn)在只剩下兩家了，google的TENSORFLOW和facebook的pytorch，caffe是奄奄一息，其他的墳頭長(zhǎng)草了吧！遷移學(xué)習(xí)應(yīng)該是指比如你原先識(shí)別的是黑白的中文或數(shù)字，換為彩色的中文或數(shù)字是否也可以快速的識(shí)別。另外ONNX主要是把訓(xùn)練好的模型發(fā)布到網(wǎng)上服務(wù)器上給用戶使用，tensorflow用自家的軟件部署或發(fā)布，其他家都用ONNX部署吧。

作者: 無(wú)法言喻1977 時(shí)間: 2024-8-31 21:50

學(xué)者11 發(fā)表于 2024-8-30 17:02
我覺得是你的提問(wèn)就顯得欠缺語(yǔ)法，比如第一個(gè)問(wèn)題，換成“在視覺深度學(xué)習(xí)領(lǐng)域，之前用2000張圖像訓(xùn)練過(guò)的目 ...

本質(zhì)被你看到了。

作者: cangzhoumj 時(shí)間: 2024-9-2 07:59
大有前途啊

作者: 救贖. 時(shí)間: 2024-9-2 10:27
會(huì)不會(huì)覺得你是同行提問(wèn)

作者: 救贖. 時(shí)間: 2024-9-2 10:30
我們就是拿樣品過(guò)去給他做視覺分析 OK后我再拿一批料過(guò)去給他判斷，拿判斷過(guò)的產(chǎn)品OK NG 回來(lái)公司用自己的檢測(cè)方法判斷他們的視覺是否可行，可以就買不行就在商量或者換一家

作者: fiyu1314 時(shí)間: 2024-9-2 19:03
世界就是一個(gè)巨大的草臺(tái)班子。很多人都是混子。我只知道HALCON 還沒學(xué)到深度學(xué)習(xí) ，還知道YOLO ，用YOLO 訓(xùn)練。做機(jī)械10年了。遇到過(guò)很多就機(jī)械10多年的同事，問(wèn)幾個(gè)公差問(wèn)題，沒幾個(gè)能回答的清清楚楚的。

作者: wyy123456 時(shí)間: 2024-9-2 23:17
本帖最后由 wyy123456 于 2024-9-2 23:47 編輯

不是回答不上來(lái)，你這種提回別人是不會(huì)鳥你的。我上家公司是做免示教焊接的，只會(huì)告訴你的產(chǎn)品能不能做，大致介紹下原理，如果有意愿可以測(cè)試下。不會(huì)把核心告訴你的。也有客戶問(wèn)的很細(xì)的，我們直接說(shuō)不能透露。絕對(duì)不會(huì)說(shuō)的。能做就做，不能做就拉倒。國(guó)內(nèi)好多客戶也想做就套別人的技術(shù)，白嫖，這種公司最可惡。
不要以為自己很牛逼，只是別人不想跟你玩而已。

作者: 無(wú)人機(jī)2911 時(shí)間: 2024-9-4 09:59
有沒有問(wèn)他鮮艷度，給他整點(diǎn)生僻的

作者: cangzhoumj 時(shí)間: 2024-9-4 16:51
醫(yī)療行業(yè)都在用

歡迎光臨機(jī)械社區(qū) (http://e-learninguniversity.com/)