Projekt 5 - Hluboké učení pro průmyslovou inspekci – rešerše (vedoucí K. Horák)

Přiřazeno: Šála & Sušovský

Zadání

Cílem projektu je sestavení zevrubné rešerše použití hlubokého strojového učení pro potřeby průmyslové inspekce. Sestavte tedy dokument, který přehledně a jasně podává výklad následujících oblastí (veškeré údaje podpořte citací zdrojů):

Dílčí cíle projektu:
  1. úvod: základní princip a state-of-the-art hlubokého učení (deep learning, DL)
  2. způsob použití NN/CNN: použití tradičních a konvolučních neuronových sítí (NN/CNN) jednak v roli samostatného klasifikátoru a jednak jako extraktoru příznaků a klasifikátoru dohromady (viz [3])
  3. typy úloh: klasifikační úlohy typu OK/NOK a detektory anomálií
  4. dataset: dostupné datasety průmyslových úloh, typický rozsah datasetů potřebný pro plné trénování i předtrénovanou síť (transfer learning)
  5. implementační nároky: výpočetní nároky na trénovací a klasifikační část, požadovaný hardware + srovnávací tabulka trénování různých ukazkových úloh
  6. nástroje DL: seznam + stručný popis nástrojů/prostředí pro DL (např. MVTec Halcon, Sualab, atd.)
  7. platformy DL: seznam + stručný popis dostupných platforem pro implementaci DL, GPU, rozbor termínu Compute compatibility a příklady zařízení (nVidia, Tesla,…)
Dokument rešerše strukturujte do kapitol s názvy odpovídajícími názvům shora uvedených bodů zadání. Postup v práci pravidelně konzultujte s vedoucím (cca každé dva týdny pravidelné práce vyvolejte konzultaci).

Odkazy

[1] Adaptive Vision PDF brochure
[2] Přednáška Konvoluční neuronové sítě předmětu Rozpoznávání
[3] Visual Quality Inspection in Modern Industry – Conventional Approach or Deep Learning? EMVA Forum 2018 (K. Horak)