브레니(Brenny) (주)아이디맥스

사람과 같이 문제 해결을 위해 학습하는 나는 브레니(Brenny)라고 해요. 사물도 인식하고 무언가를 분류해보고 묶어보고 신경망을 가동시켜 특징을 추출하죠. 기계가 학습을 하다니... 내가 궁금하지 않나요?

내용

기존의 머신비전과 딥러닝 중 무엇을 선택해야 할지는 해결하려는 애플리케이션의 유형, 처리되는 데이터의 양, 처리 능력에

따라 결정됩니다. 실제로 딥러닝은 수많은 이점에도 불구하고 다수의 애플리케이션에 적합한 솔루션이 아닙니다. 기존의 규칙

기반 프로그래밍 기술은 계측과 측정 그리고 정밀한 정렬을 수행해야 하는 경우 더 효과적입니다. 경우에 따라서는 기존의

비전으로 관심 영역을 정밀하게 정렬을 수행햐아 하는 경우 더 효과적입니다. 경우에 따라서는 기존의 비전으로 관심 영역을

정밀하게 고정하고 딥러닝으로 해당 영역을 검사하도록 하는 것이 최고의 선택일 수 있습니다. 그런 다음 딥러닝 기반 검사

결과를 기존의 비전에 다시 전달하여 결함의 크기와 모양을 정확하게 측정할 수 있습니다.

딥러닝은 규칙 기반 방식을 보완하며, 효과적은 검사를 구성하는데 있어 높은 수준의 비전 전문성에 대한 필요를 줄여줍니다.

이로써 비전 전문성이 요구되었던 기존의 애플리케이션을  비전 전문가 없이도 해결 가능한 과제로 전환하였습니다. 딥러닝은 규칙 기반 알고리즘을 개발하고 스크립트를 작성하는 애플리케이션 개발자의 논리적 부담을 시스템 트레이능 엔지니어에게

이양합니다. 또한 검수자를 배제하고는 시도된 적이 없는 애플리케이션을 해결하기 위한 새로운 가능성을 열어줍니다. 이렇게

딥러닝은 머신비전을 더 쉽게 사용할 수 있게 해주며 컴퓨터와 카메라로 정확히 검사할 수 있는 범위를 넓혀줍니다.

출처 : 코그넥스