同學們好，之前的康博士課堂，我們已經向大家普及梳理了許多深度學習相關知識，本期是關于深度學習知識的最后一課，共分為三小節，簡明易要的闡述了深度學習軟件的工作原理，詳細總結了康耐視深度學習的優勢，并將教大家如何使用正確深度學習，讓大家真正掌握深度學習技術！本章也算是對深度學習整體內容的回顧與總結，還沒徹底掌握深度學習知識點的朋友們一定要認真閱讀哦～

深度學習軟件的工作原理

深度學習軟件使用一組代表部件已知的功能特征、異常和類別的已標記圖像進行培訓，就像對人類檢查員進行培訓一樣。在監督培訓期指導系統識別明顯的缺陷。對于以多種形式出現的缺陷，系統在無人監督模式下通過自我培訓來了解物體的正常外觀，包括其重要但可接受的差異。

根據這些有代表性的圖像，軟件創建出參考模型。這是一個持續改進的迭代過程，在此過程中可以調整參數并驗證結果，直到模型的運行與所預期的相符合。在運行時，軟件從一組新圖像中提取數據，其神經網絡定位部件、提取異常并進行分類。

康耐視深度學習的優勢

Cognex Deep Learning擴展了工廠深度學習型檢測的界限，為工廠自動化設計的新一代深度學習圖像分析為制造商提供了創建新檢測系統的機會，擴展了自動化檢測的范圍。它是一種即用型深度學習技術，專門針對實際的工業圖像分析進行了優化。與其他深度學習型軟件不同的是，Cognex Deep Learning：

? 不需要成千上萬典型培訓圖像，只需要一小組培訓圖像

? 不需要很高的計算能力，只需要機器中有一張GPU卡

? 可以在工廠車間進行維護和再培訓，無需機器制造商或系統集成商的干預

? 可以處理高分辨率圖像，包括彩色和熱圖像，幾乎可以識別任何異常

Cognex Deep Learning可使技術人員基于小樣本圖像集，在幾分鐘內培訓深度學習型模型。應用配置完成后，這些工具可快速提供準確的檢測結果，并保存圖像以進行流程控制。

如何使用康耐視深度學習

Cognex Deep Learning 可使技術人員基于小樣本圖像集，在幾分鐘內培訓深度學習型模型。配置應用后，Cognex Deep Learning 可提供快速、準確的結果并保存圖像以進行過程控制。

在培訓時，工程師或技師只需要：

? 加載示例圖像

? 標記重要功能特征和缺陷

? 驗證軟件的結果

在部署時，Cognex Deep Learning能夠：

? 從檢測圖像中提取數據

? 分析并解釋圖像

? 提供合格/不合格的結果

這些屬性使Cognex Deep Learning成為工廠和制造環境的理想選擇，并且非視覺專家也可以使用。

康耐視深度學習技術能夠解決企業領域眾多棘手的檢測應用，這些檢測任務直到現在都只能依靠龐大的人工檢測團隊來完成。通過充分利用人工智能的力量來提高產量、減少浪費和改進產品質量，也是未來工業發展的大勢所趨。所以更早掌握深度學習技術，實現工廠自動化，也能讓企業在生產上更領先一步。

編輯：黃飛