III
科政中心
 

3D感测应用蓬勃 深度学习从2D向3D靠拢

目前大规模的深度学习训练仍以2D为主,但3D感测技术蓬勃带来更多应用情境。atelier

影像辨识为近年深度学习最蓬勃发展的一块领域,举凡智能零售、医疗影像、生产线瑕疵品检测等领域都已可看到相对成熟的应用。但目前看来不论静态或动态的影像辨识,仍已2D做为样本进行深度学习训练为主,然市场今年已开始关注与讨论,透过3D进行深度学习训练。

归功于市场上随处可得且大多为开放性的影像资料库,开发者容易取得训练样本,因此目前大规模的深度学习训练仍大多以2D为主。但3D感测技术蓬勃,Intel新创技术产品事业部产品经理林聿豪则指出,近年市场已出现讨论声浪,开始钻研以3D样本进行深度学习训练,以丰富更多使用情境。

但林聿豪也表示,现阶段要进行3D深度学习训练的技术门槛与挑战也会更高。例如3D样本属于非结构化的资料,其点云是分布在空间中的XYZ轴,没有结构化的网格。而开发者也必须考量形变与时间上的矢量变化,透过算法设计优化训练结果相对不易,二来则是现阶段3D样本来源数少,不易取得。而在硬件的运算处理上也会产生比过去2D更高的计算量,这将考验未来硬件设备边缘运算能力的表现。

深度学习开始从2D向3D发展,目前3D点云资料取得虽不若2D有大量影像资料可用,但仍有在增长中,比如在OpenCV中就有慢慢包含3D点云处理的相关模块,在点云资料的获取上也有多种管道, 例如源于CAD模型或是来自LiDAR、RGBD相机的扫描点云。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 3D感测技术 深度学习