We hebben weer een nieuw teamlid om aan te kondigen: José. José voltooide zijn Master of Science op het gebied van Information Systems and Computer Engineering op de Instituto Superior Técnico in Lissabon. Tijdens zijn master specialiseerde hij zich in Intelligent Systems, Data Processing en Analysis. Gedurende zijn scriptie, groeide zijn interesse steeds meer naar Computer Vision toe, zodoende leidde dat tot deze nieuwe uitdaging bij Studio diip.
Computer Vision demo
Bij veel projecten van Studio diip maken we gebruik van deep learning waarin we een neuraal netwerk trainen om specifieke objecten te detecteren. Het komt vaak voor dat wij specifieke netwerken trainen voor onze klanten, maar de mogelijkheden niet mogen laten zien aan het publiek. Daarom hebben we besloten om tijd te investeren in het creëren van een online demo waarin objecten herkend kunnen worden. Je kunt zelf een eigen afbeelding testen met standaard algoritmes die getraind zijn voor verschillende objecten. De algoritmes zijn getraind op duizenden foto’s met verschillende thema’s die je ook afzonderlijk op deze pagina’s kunt testen: Dieren detecteren, Elektronica detecteren, Voertuigen detecteren en Maritieme beeldherkenning. De Computer vision demo detecteert specifieke objecten in een afbeelding en laat zien waar het object zich bevindt en hoe zeker het object herkend wordt.
Sleepboten in de haven gedetecteerd met de Computer Vision demo.
Trainen van deep learning netwerken
We maken gebruik van de programma’s zoals Keras en TensorFlow. Keras is een open source netwerk geschreven in Python, die samenwerkt met de software van TensorFlow. De library van TensorFlow is geschikt voor het ontwikkelen en trainen van bepaalde netwerken voor deep learning. Door middel van deze software kunnen wij in kaart brengen hoe goed het algoritme presteert. Voor deze demonstratie zijn de objecten getraind op de uitgebreide COCO dataset (Common Objects in COntext) en wordt de kans dat een veelvoorkomend object voorkomt. Voor de voorbeelden is een algoritme gebruikt dat getraind is op duizenden foto’s met allerlei thema’s die komen uit de dataset. Deze database bevat afbeeldingen van de onderwerpen waarbij door mensen is aangegeven welk onderdeel het is en waar het ‘object’ zich in de foto bevindt. Hiermee kan een lerend algoritme zichzelf trainen om automatisch te herkennen hoe zo’n object er uit ziet in andere foto’s. Natuurlijk is het ook mogelijk om deze techniek in te zetten om andere thematieken te detecteren.
Toepassingen van AI in beeldherkenning
De technologie die gebruikt wordt in de Computer vision demo kan toegepast worden op verschillende manieren. Wij kunnen bijvoorbeeld een netwerk trainen dat elektronica op een vliegveld analyseert of wanneer je veiligheidsproblemen wil screenen tijdens een groot event. De tool kan gebruikt worden in bijvoorbeeld de logistiek, wetenschap, entertainment en industrie. Een beginner kan de tool gebruiken voor educatieve doeleinden en een ervaren wetenschapper of ingenieur kan de informatie gebruiken voor het automatiseren van complexe processen. We kunnen verschillende online en offline beelden gebruiken om objecten te identificeren, tellen en volgen. Denk hierbij aan beveiligingsbeelden, satellietopnames, warmtebeelden of online streaming. We kunnen de tool toepassen op computers of laptops (Windows of Apple) en het werkt ook prima op een smartphone (iPhone of Android).
Slimme beeld detectie op een kudde zebras
Samen met 3D print bedrijf Shapeways heeft Studio diip gewerkt aan een 3D scanner die in staat is om objecten automatisch de identificeren. De 3D scanner en maatwerk software zijn in staat om een 3D model te matchen met een 3D scan van een object. Hierdoor kan het systeem supersnel CAD modellen uit een database koppelen en schade of productiefouten opsporen.
Uiteindelijk heeft deze ontwikkeling geleid tot een US patent dat door Shapeways is ingediend (US 2018 / 0104898 A1). We zijn er uiteraard erg trots op dat we hier aan meegewerkt hebben, maar ook zeker op het feit dat Thomas de Wolf, Guust Hilte en Jop van Rooij van Studio diip in het patent als uitvinders genoemd worden.
Je kunt meer vinden over onze diensten in 3D beeldherkenning op de beeldmateriaal pagina of over 3D scanning systemen op de project pagina.
Vlak na de vakantie is er in september weer een nieuw Studio diip teamlid bijgekomen: Chrissy. Chrissy heeft een Bachelor in Arts and Economics (Visual arts and Design Management) en houdt zich bij Studio diip vooral bezig met alle financiële, administratieve en organiserende activiteiten. Daarnaast biedt ze een ondersteunende rol aan als het gaat om de marketing en communicatie gerelateerde aspecten. Waarbij ze momenteel werkt aan het publiceren van de Computer vision demo waarvan je nu al een aantal onderdelen kunt zien.