Training Künstliche Intelligenz Systeme – DATAVERSITÄT

Computer Vision Systeme treiben einige unglaubliche Dinge an
Entwicklungen.

Faltungsalgorithmen für neuronale Netze (CNN) werden am häufigsten zur Analyse visueller Bilder verwendet. Dies beinhaltet die „Klassifizierung, Erkennung, [and] Segmentierung von Entitäten im 2D-Raum und die Analyse von zeitlichen Informationen im 3D-Raum, wie z. B. Action / Video“, sagt PR Krishan, VP und Global Head, Enterprise Intelligence Automation, Tata Consultancy Services

In einem Artikel in Forbes wird darauf hingewiesen, dass CNN unter anderem angewendet werden kann auf:

• Autonom
  Fahrzeuge, bei denen Kameras und Sensoren Bilder aus der Umgebung aufnehmen, damit
  Objekte oder Grenzen können zur Sicherheit des Fahrers erkannt werden.
• Dabei handelt es sich bei 90% der medizinischen Daten um Bilddaten, die für die Entwicklung neuer Daten von entscheidender Bedeutung sein können
  medizinisch-diagnostische Methoden.
• wo Ausrüstung durch Computer Vision überwacht wird, um vorher eingreifen zu können
  Es liegt ein Maschinenausfall vor.

Startup LexSet baut sein Unternehmen auf einer visuellen KI-Lösung zur Objekterkennung und visuellen Suche auf, die auf die Generierung synthetischer Daten spezialisiert ist. Das aus Intellectual Ventures hervorgegangene Unternehmen hat gerade den Startup Lab Pitch Competition bei GS1 Connect 2019 gewonnen. GS1 ist die Standardorganisation, die die Zusammenarbeit in der Industrie erleichtert, um die Transparenz und Effizienz der Lieferkette durch seine Standards zu verbessern.

Die Schnittstelle zwischen What a Computer-Vision-Unternehmen und wer GS1 ist, kann nicht sofort offensichtlich sein. LexSet-Mitbegründer Les Karpas erklärt den Zusammenhang:

„GS1 ist sehr an der Produktidentität interessiert und wir verbessern die Fähigkeit von Computern, Produkte zu sehen, zu zählen, zu verfolgen und zu wissen, wo sie sich in der Lieferkette befinden.“

] Francis Bitonti, der bedeutende Arbeit in der Schweiz geleistet hat
Der Bereich des generativen Designs von 3D-Druckprodukten ist auch Mitbegründer von LexSet.

Beheben von AI-Bildtrainingsdatenproblemen

Wie bei jeder anderen AI-Anwendung ist der Erfolg von Computer Vision künstlich Intelligence-Ergebnisse für Anwendungsfälle wie die Lieferkette beruhen auf Trainingsdaten. Es gibt jedoch nicht immer genug Trainingsbilder oder eine ausreichende Bildvielfalt, damit Computer Vision-Algorithmen so gut wie erhofft funktionieren. Beispielsweise können bei fotografischen Trainingsdaten unterschiedliche Kamerawinkel fehlen oder schlechte Lichtverhältnisse auftreten, die sich auf die Endergebnisse auswirken können.

Karpas geht davon aus, dass der AI-Verbrauch exponentiell ansteigt:

„Viele Unternehmen stellen dies jedoch fest Wenn sie anfangen, KI-Lösungen für Probleme zu erstellen, stoßen sie sofort auf Trainingsdatenprobleme. “

Hier kommt die Generierung synthetischer Daten ins Spiel, die auf Abruf fotorealistische synthetische Daten generiert, die auf jeden Anwendungsfall für die Entwicklung des Sehens zugeschnitten sind Modelle aus den Daten, die sie erstellen.

LexSet kann ein Objekt oder einen Satz davon aus 3D-CAD übernehmen
Dateien und 3D-Scans erstellen Tausende von Bildern aus allen möglichen Lichtverhältnissen
Bedingungen, Kamerawinkel usw. für das hochwertigste Trainingsset, Karpas
sagt.

„Wir können Fotos in einem Trainingsset komplett ersetzen. Und
Synthetisch trainierte Modelle haben eine um 15% höhere Genauigkeit als Fotomodelle
Modelle aufgrund der großen Datenmengen “, sagt Karpas.

Anwendungsfälle für LexSet

Nehmen Sie ein Beispiel für die Lieferkette. Ein Unternehmen mit Fast Food
Ketten könnten daran interessiert sein, mithilfe der Überwachungskameras eine Echtzeitinventur durchzuführen
das sind schon in seinen restaurants. Sie wollen eine Lösung, die funktioniert
diese Kameras zur Überwachung der relativen Menge eines bestimmten Produkts auf der
Boden zu einem bestimmten Zeitpunkt, basierend auf der Identifizierung dieser Produkte gemacht
möglich durch die Verwendung von synthetisch generierten Trainingsdaten. Damit in
Englisch: https://ift.tt/2zX8kZH Dort können sie den richtigen Moment kennen, um einen Nachschubwagen zu schicken und den zu betreiben
Ganzer Betrieb, ohne zusätzliche Hardware kaufen zu müssen, sagt Karpas.

„Die Bestandsverwaltung ist ein großes Problem in der gesamten EU
Lieferkette “, sagt Melanie Nuce, US-amerikanische Innovationsexpertin von GS1. Autonomer Einzelhandel
Anwendungsfälle können auch mithilfe der Technologie zur Erfüllung von Robotik-Backups erstellt werden
und unbemannte Kioske. „CVS wird häufig in automatischen Anwendungsfällen für den Einzelhandel eingesetzt.
und das ist für GS1-Mitglieder von großem Interesse “, sagt sie.

Andere Verwendungszwecke von KI-Training und -Suche
Visualisierung

Eine andere Anwendung, die LexSet steuert, ist verwandt
an einen großen Objektmöbelhersteller, der seine ähnliche Produktsuche verwendet
Technologie.

Mit der LexSet-Technologie verfügt das Unternehmen nun über ein Tool für
sitzen in wettbewerbsfähigen Ausschreibungsprozessen ganz oben auf ihrem Katalogportal. Das Werkzeug macht
Es ist schnell und einfach, Produkte aus einem eigenen Katalog zu identifizieren, die gleichwertig sind
auf Produkte, die andere Marken in eigenen Geboten abgeben. Empfehlungen
werden durch den Produkttyp und die Kategorie sowie die visuellen Ähnlichkeiten bestimmt. "Es würde
Nehmen Sie sich eine Woche Zeit, um dies manuell zu erledigen “, sagt Karpas. Dies spart mehrere
Arbeitsstunden im Prozess.

Sobald LexSet über eine große Anzahl von 3D-Modellen in einer bestimmten Branche verfügt, ist die Entwicklung neuer 3D-Inhalte nicht mehr erforderlich:

„Wir könnten Mehrwert schaffen, da wir in dieser Basis einen kritischen Schwellenwert erreicht haben ", Sagt Karpas. "Sobald wir eine Branche angepackt haben, ist es für andere Akteure in dieser Branche sehr schwierig, sie zu wiederholen."
Die Verwendung teurerer RFID-Chips in einigen Szenarien, sagt Karpas.

Technische Außendienstmitarbeiter für einen Kunden in der Industrie
Beispielsweise fiel es dem Werkzeugraum schwer, ein Werkzeug auseinander zu halten
von einem anderen, da sie sehr ähnlich aussahen. Das Unternehmen hat versucht, sie einzubetten
RFID-Chips in den Teilen, aber die Chips wurden durch ihre Verwendung in zerstört
Schwere Feldarbeitsanwendungen – und sie waren auch kostspielig. LexSet baute ein
Vision-Modell, um die Chips für eine nachhaltige Nutzung und Kosteneinsparungen zu ersetzen.

GS1-Partnerschaftsmöglichkeiten

„Wir arbeiten daran, wie Standards und aufkommende Technologien zusammengebracht werden können, um Geschäftsprobleme auf neue Weise zu lösen “, Sagt Nuce. "GS1 hat eine wirklich gute Gelegenheit, sich mit LexSet zu paaren, wenn sie ihre Anwendungsfälle erweitern."

Simplista und Locai belegten beim StartUp Labs-Wettbewerb die Plätze zwei und drei. Simplista kümmert sich um die Produktauflistung und den Wartungsprozess. Locai konzentriert sich auf den eGrocery-Markt, indem automatisierte Robotiklösungen verwendet werden, um Fulfillment-Formate vom In-Store bis zum Dark Store zu unterstützen.

Bild in Lizenz von
Shutterstock.com

Der Beitrag Training Künstliche Intelligenz Systeme – DATAVERSITÄT erschien zuerst auf Business Intelligence Online.

Weiterlesen: https://ift.tt/35bdfU4