Deep Learning

Handbuch zur industriellen Bildverarbeitung
(Fraunhofer Vision Leitfaden-Reihe Band 17)

Beitrag 2.14: Deep Learning

Autoren: Stefan Eickeler, Ronja Möller, Fraunhofer IAIS

Convolutional Neural Network
© Fraunhofer IAIS

Aufbau eines Convolutional Neural Networks

Bestellen Sie hier das »Handbuch zur industriellen Bildverarbeitung« (Leitfaden 17)

Unter dem Namen »Deep Learning« haben neuronale Netzwerke in der letzten Zeit wieder eine große Popularität erreicht und werden heute bereits bei vielen praktischen Anwendungen im Alltag genutzt wie z. B. bei der Spracherkennung auf Smartphones. Aber nicht nur bei der Spracherkennung, sondern auch in der Bildverarbeitung und -analyse ist es eine große Vision, die Leistungsfähigkeit des menschlichen Sehsinns und das Verstehen visueller Informationen maschinell nachzubilden oder zu übertreffen. Dafür werden Verfahren, die von der Funktionsweise des Gehirns inspiriert sind, als sehr erfolgversprechend angesehen. Deep Learning ist ein Teilbereich des sogenannten »Machine Learning» und wird heute als ein Oberbegriff für Lernalgorithmen, die auf unterschiedlichen künstlichen neuronalen Netzwerken basieren, verwendet. Neuronale Netzwerke sind von der Funktionsweise des Gehirns inspirierte, mathematische Modelle, die sich durch die Fähigkeit auszeichnen, komplexe Zusammenhänge lernen zu können und werden in der Regel mit annotierten Beispielen trainiert. Ein neuronales Netzwerk besteht aus einer großen Anzahl von einfachen, gleichartigen Verarbeitungseinheiten, den Neuronen, die miteinander verbunden sind. Das Neuron stellt die elementare Funktionseinheit des neuronalen Netzwerks dar.

 

Den vollständigen Beitrag können Sie im »Handbuch zur industriellen Bildverarbeitung« (Leitfaden 17) nachlesen.