Tech-Kompass | Deep Learning

Deep Learning

Deep Learning

Deep Learning (DL) ist ein Teilbereich des Machine Learnings. Deep Learning nutzt neuronale Netze, um große Datensätze zu analysieren. Dabei wird der Aufbau der künstlichen neuronalen Netze von biologischen neuronalen Netzen inspiriert. Somit kann durch den Einsatz von neuronalen Netzen menschliches Verhalten, wie etwa das Schlussfolgern aus Informationen, imitiert werden.

Ein neuronales Netz hat den Vorteil, dass viel größere Datenberge viel schneller untersucht werden können, als es Menschen jemals könnten. Somit werden neuronale Netze überall dort eingesetzt, wo Muster oder Trends in große Datenmengen untersucht werden, beispielsweise bei der Gesichts-, Objekt- oder Spracherkennung. Während der Nutzung eines neuronalen Netzes lernt dieses aus den eingebrachten Daten und verbessert dessen Leistungsfähigkeit (selbstlernendes System).

Symbolhafte Darstellung eines neuronalen Netzes Symbolhafte Darstellung eines neuronalen Netzes
© Pixabay

Regionale Experten

Prof. Dr.-Ing. Jürgen te Vrugt

  • FH Münster
  • Lehr- und Forschungsgebiet Künstliche Intelligenz
  • Kontakt


Prof. Dr. Xiaoyi Jiang

  • WWU Münster
  • Dekan des Fachbereichs Mathematik und Informatik
  • Kontakt
     

Prof. Dr. Benjamin Risse

  • WWU Münster
  • Institut für Informatik
  • Professorship for Sustainable Development am Institut für Geoinformatik
  • Forschungsschwerpunkte:
  • Computer Vision, Machine Learning, Image Processing, Computer Graphics, Robotics
  • Kontakt

Best Practices

SALT AND PEPPER technology
Mit Hilfe von Deep Learning optimiert SALT AND PEPPER technology die Prozessstabilität sowie Qualität, um einen Wettbewerbsvorteil zu generieren.
https://technology.salt-and-pepper.eu/kompetenzen/ki/


Anwendungen

Wald KI - Objekterkennung
Die Kaitos GmbH hat eine Wald-KI entwickelt, welche über Drohnenaufnahmen beschädigte oder kranke Bäume in einem Wald aufspürt und diese mit einem GPS-Tag versieht.

Automatisierte Qualitätsprüfung
Durch den Einsatz von neuronalen Netzen und Computer Vision können Abweichungen vom Sollzustand kamerabasiert ermittelt werden. Sehr einfach kann dies durch Amazon Lookout for Vision erfolgen. Es müssen lediglich zwei Ordner mit Bildern bereitgestellt werden. Ein Ordner mit Gutteilen und ein Ordner mit Schlechtteilen. Anschließend wird das vortrainierte neuronale Netz durch den Input der Bilder angepasst. Somit können Abweichungen erkannt werden.