Bildverarbeitung
Wie funktionieren zuverlässige Objekterkennung unter schwierigen Bedingungen?
Im Video zeigt Andreas Zeiler von der MVTec Software GmbH, wie Deep 3D Matching eine beeindruckende Robustheit erreicht, indem es auf synthetisch erzeugte Trainingsdaten und vielfältige Augmentierungen setzt. Unterschiedliche Hintergründe wie industrielle Umgebungen, Holztische oder Fliesen, variierende Oberflächenbeschaffenheiten und gezielte Bildveränderungen wie Unschärfe oder Lichtwechsel sorgen dafür, dass das Modell mit nahezu jeder realen Situation umgehen kann. Dank multiperspektivischem Rendering und einem datenzentrierten Ansatz lässt sich ein generalisiertes Modell trainieren, das keine manuelle Parametrisierung mehr erfordert. Die Objekterkennung funktioniert damit flexibel, stabil und ohne aufwändiges Feintuning – ganz gleich, wie komplex die Umgebung ist.
Erfahren Sie mehr im Video:
Kontakt
80634 München
DEUTSCHLAND
mvtec.com
