Computer Vision

Das Computer Vision Chapter ist die ML6-Expertengruppe für alles, was mit Computer Vision zu tun hat.

Als ML6-Spezialeinheit für Computer Vision ist es unser Ziel, mit den neuesten Entwicklungen auf diesem Gebiet in Kontakt zu bleiben und unsere Erkenntnisse mit Kollegen, Kunden, der Open-Source-Community und der breiten Öffentlichkeit zu teilen. Einige Bereiche, in denen wir derzeit aktiv sind, sind Objekterkennung, Videoanalyse, generative KI, Edge Vision und visuelle Inspektion.

Erkennung von Objekten

Entwickeln Sie benutzerdefinierte, leistungsstarke Modelle für maschinelles Lernen zur Erkennung von Objekten mit hoher Geschwindigkeit, in hoher Auflösung und unter schwierigen realen Bedingungen. Verschiedene Anwendungsfälle erfordern unterschiedliche Ansätze für die Datenvorverarbeitung, Modellierung, Abstimmung und Einrichtung.

Video-Analyse

Verwenden von die Objekt-Tracking über Frames hinweg, um die Objekterkennung und -segmentierung zu unterstützen. Erkennen Sie Phänomene oder Aktivitäten, die nur unter Berücksichtigung des gesamten Bildstroms erkannt werden können. Die Videoanalyse stellt besondere Herausforderungen an die Ressourcenverwaltung und die Modellarchitektur.

Generative KI

Neuronale Netze können Gesichter, Posen, stilistische Attribute übertragen oder ungesehene Instanzen von Gesichtern, Menschen, Objekten oder sogar Kunstwerken auf der Grundlage von Beispielen generieren - wir kratzen nur an der Oberfläche des Potenzials der generativen Modellierung in den Medien, aber auch in Design, Einzelhandel und anderen Bereichen. Weitere Informationen finden Sie unter gener8.ai

Edge Vision

Die kameranahe Videoverarbeitung kann den Netzwerkverkehr reduzieren und die Datensicherheit erhöhen. Zu den Anwendungsbeispielen gehört eine hochleistungsfähige Lösung für die Anonymisierung und Re-Identifizierung am Rande. Die Edge-Verarbeitung birgt eine Reihe von Herausforderungen in Bezug auf Leistung, Architektur, Betrieb und Sicherheit.

Visuelle Kontrolle

Bildverarbeitungsgestützte Qualitätskontrolle und -sicherung, basierend auf den neuesten Fortschritten in der maschinellen Bildverarbeitung. Mit Hilfe des maschinellen Lernens können wir eine breite Palette von Fehlern bei einer Vielzahl von Produkten erkennen. Mit diesen SOTA-Algorithmen können Produktionsprozesse überwacht, gesteuert und optimiert werden.

Demos

Wie erkennt man einen Deepfake?

Dieses Video erklärt und veranschaulicht die kleinen Anhaltspunkte, die Ihnen helfen können, Deepfakes von echten Videos zu unterscheiden.

Vollständige Demo anzeigen

Ein unschlagbarer KI-Roboter für Stein-Papier-Schere

Erfahren Sie, wie wir einen unschlagbaren Roboterstand aufgebaut haben

MLSox erklärt : Wie man eine Sockenabgleichsanwendung von Grund auf mit YOLOv4 und siamesischen Netzwerken erstellt

Vollständige Demo anzeigen

Jeroom tanzt durch Posenübertragung (mit VT4/GoPlay)

Vollständige Demo anzeigen

Fallstudien und Forschung

Praktika

Video-Analyse
Bildbasierte Erkennung von Anomalien
SMOG-Gebärdensprachenerkennung mit Google Glass
Inhaltliche GANeration
Lassen Sie uns beginnen
Nehmen Sie gerne mit uns Kontakt auf
Kontakt