智慧應用 影音
Truphone 線上活動
event

3D感測應用蓬勃 深度學習從2D向3D靠攏

目前大規模的深度學習訓練仍以2D為主,但3D感測技術蓬勃帶來更多應用情境。atelier

影像辨識為近年深度學習最蓬勃發展的一塊領域,舉凡智慧零售、醫療影像、生產線瑕疵品檢測等領域都已可看到相對成熟的應用。但目前看來不論靜態或動態的影像辨識,仍已2D做為樣本進行深度學習訓練為主,然市場今年已開始關注與討論,透過3D進行深度學習訓練。

歸功於市場上隨處可得且大多為開放性的影像資料庫,開發者容易取得訓練樣本,因此目前大規模的深度學習訓練仍大多以2D為主。但3D感測技術蓬勃,Intel新創技術產品事業部產品經理林聿豪則指出,近年市場已出現討論聲浪,開始鑽研以3D樣本進行深度學習訓練,以豐富更多使用情境。

但林聿豪也表示,現階段要進行3D深度學習訓練的技術門檻與挑戰也會更高。例如3D樣本屬於非結構化的資料,其點雲是分佈在空間中的XYZ軸,沒有結構化的網格。而開發者也必須考量形變與時間上的向量變化,透過演算法設計優化訓練結果相對不易,二來則是現階段3D樣本來源數少,不易取得。而在硬體的運算處理上也會產生比過去2D更高的計算量,這將考驗未來硬體設備邊緣運算能力的表現。

深度學習開始從2D向3D發展,目前3D點雲資料取得雖不若2D有大量影像資料可用,但仍有在增長中,比如在OpenCV中就有慢慢包含3D點雲處理的相關模組,在點雲資料的獲取上也有多種管道, 例如源於CAD模型或是來自LiDAR、RGBD相機的掃描點雲。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 3D感測 深度學習