Deep learning-teknikker skaber helt nye muligheder for industrien

Hvad er det for en udvikling, vi ser inden for deep learning, og hvilke muligheder skaber det? Det giver Henrik Pedersen, leder af Visual Computing Lab, et bud på i videoen her.

Inden for billedanalyse, kaldet computer vision, kan man fx bruge deep learning til at kategorisere store mængder billeder eller indscannede dokumenter. Vi hjælper fx en virksomhed som Tattoodo med at arbejde med computer vision. Tattoodo vil gerne optimere billed-feedet for deres over 20 mio. følgere, så de nemt kan målrette inspiration med tatoveringer til deres medlemmer.

Man kan også bruge deep learning til at finde eller opmåle ting i billeder. Vi hjælper flere styrelser med at lave automatiske ændringsudpegninger i satellitbilleder. Ved hjælp af deep learning kan man se, om der fx er kommet en ny bygning eller om landmanden har udvidet sin mark.

Det sværeste inden for domænet er videoanalyse, fordi der er en ekstra tidslig dimension. Her har vi hjulpet startup-virksomheden Sign2me med at udvikle en løsning, der oversætter tegnsprog fra video, så de nu kan kommunikere med hørende, der ikke kan tegnsprog.

Hvis den løsning, som man har brug for, findes som en hyldevare, så guider vi gerne hen til den rigtige hylde. Hvis hyldevaren ikke findes, så bygger vi den bedste løsning op – om nødvendigt helt fra bunden. Vi hjælper også gerne med at lave syntetiske billeddata, som man kan bruge til at træne de neurale netværksmodeller på.

Vi er ikke bange for at dele ud af vores erfaringer, og faktisk kører vi i øjeblikket et forskningsprojekt med Aalborg Universitet, hvor vi forsøger at hjælpe fire virksomheder med at knække koden på deep learning. Vi afholder også kurser i deep learning i samarbejde med NVIDIA, som er verdens førende producent af hardware til deep learning.

Læs mere her.