De kracht van beeldherkenning in je hand
iOS en Android
We hebben ervaring in het maken van beeldherkenning software voor zowel iOS als Android. Vaak werkt onze beeldherkenning onderliggend in C++ en kunnen we deze zo aanleveren dat het direct in zowel Objective C als in Kotlin of Java is aan te roepen. Zo kun je eenvoudig in Xcode of in Android studio beschikken over een krachtig stuk beeldherkenning.
Smartphone ontwikkelingen
Tegenwoordig zijn de smartphone camera’s meer dan capabel genoeg om goede foto’s te maken. Ook de rekenkracht van smartphones is toegenomen en door zaken als 4g kan er ook snel data verstuurd worden om te rekenen in de cloud. Dit zorgt er voor dat er steeds meer beeldherkenning zijn weg gaat vinden naar smartphone apps.
Libraries
Studio diip heeft ervaring in het ontwikkelen van beeldherkenning libraries die als onderdeel van een app kunnen werken. We leveren dan ook vaak een stuk software op in de vorm van een library waarmee een app development bedrijf beeldherkenning kan toevoegen aan de functionaliteit van de app. Onze verantwoordelijkheid start dan bij het kunnen ontvangen van beeld (film of foto) en eindigt bij het communiceren van het gedetecteerde resultaat terug naar de app.
Deep learning beeldherkenning
Veel van de projecten bij Studio diip resulteren in software die beeldherkenning uitvoert door middel van deep learning. Deze deep learning modellen trainen we meestal met Keras en TensorFlow op onze eigen systemen of door middel van cloud computing. Uiteindelijk levert dit een model op dat ook gebruikt kan worden in een smartphone applicatie. Voor Android vormen we het model om naar een TensorFlow Lite model en voor Apple devices vormen we het om naar een ML Core model. Zo zorgen we er voor dat we een netwerk kunnen trainen onafhankelijk van het platform, maar kunnen we wel zorgen dat voor beide platforms de meest efficiënte manier van detecteren wordt gebruikt. Voor een voorbeeld van een deep learning netwerk kun je kijken op onze demo pagina.
Offline of online herkenning
Nu smartphones een hoop rekenkracht hebben en de verbindingen zo goed zijn door 4g of zelfs 5g netwerken zijn er twee mogelijkheden ontstaan voor het implementeren van beeldherkenning. Het is mogelijk om een app zo op te zetten dat de beeldherkenning op de telefoon zelf wordt uitgevoerd, of dat het beeld geupload word naar een server waar het verwerkt kan worden en het resultaat terug gestuurd wordt. Beide manieren hebben zo hun voor en nadelen. Op de smartphone is de rekenkracht wat beperkter, maar is de gebruiker niet afhankelijk van een verbinding en de snelheid daarvan. Wel zal een verbetering aan de beeldherkenning doorgevoerd moeten worden door een app update of het opnieuw bijwerken van de gegevens in de app. In de cloud is daarentegen rekenkracht in overvloed en kan een update binnen seconden uitgerold worden naar miljoenen gebruikers. Het nadeel is echter dat er altijd data verstuurd moet worden en een antwoord teruggestuurd naar de telefoon van de gebruiker. Op deze pagina is een voorbeeld van onze app voor het maken van lengtemetingen.
Offline of online herkenning
Nu smartphones een hoop rekenkracht hebben en de verbindingen zo goed zijn door 4g of zelfs 5g netwerken zijn er twee mogelijkheden ontstaan voor het implementeren van beeldherkenning. Het is mogelijk om een app zo op te zetten dat de beeldherkenning op de telefoon zelf wordt uitgevoerd, of dat het beeld geupload word naar een server waar het verwerkt kan worden en het resultaat terug gestuurd wordt. Beide manieren hebben zo hun voor en nadelen. Op de smartphone is de rekenkracht wat beperkter, maar is de gebruiker niet afhankelijk van een verbinding en de snelheid daarvan. Wel zal een verbetering aan de beeldherkenning doorgevoerd moeten worden door een app update of het opnieuw bijwerken van de gegevens in de app. In de cloud is daarentegen rekenkracht in overvloed en kan een update binnen seconden uitgerold worden naar miljoenen gebruikers. Het nadeel is echter dat er altijd data verstuurd moet worden en een antwoord teruggestuurd naar de telefoon van de gebruiker. Op deze pagina is een voorbeeld van onze app voor het maken van lengtemetingen.
Automatische bewerkingen
Met beeldherkenning is het niet alleen mogelijk om objecten te identificeren, tellen of weergeven. Het is ook mogelijk om een foto of video stream live aan te passen. Zo kunnen objecten vervangen worden of objecten verwijderd worden uit foto’s. Ook het aanpassen van kleuren, contrast of andere attributen van afbeeldingen of video’s is met beeldherkenning te doen
Augmented Reality
Tegenwoordig hebben Apple en Google beiden tools ontwikkeld die het een stuk eenvoudiger maken om Augmented Reality apps te bouwen. Zo heeft Apple ARKit, RealityKit en Reality Composer om optimaal gebruik te maken van de mogelijkheden van Augmented Reality in iOS. Google heeft als tegenhanger ARCore ontwikkeld waarmee voor Android en met Unity Augmented Reality applicaties kunnen worden opgebouwd.
Augmented Reality
Tegenwoordig hebben Apple en Google beiden tools ontwikkeld die het een stuk eenvoudiger maken om Augmented Reality apps te bouwen. Zo heeft Apple ARKit, RealityKit en Reality Composer om optimaal gebruik te maken van de mogelijkheden van Augmented Reality in iOS. Google heeft als tegenhanger ARCore ontwikkeld waarmee voor Android en met Unity Augmented Reality applicaties kunnen worden opgebouwd.