Opinie

We moeten nog veel leren over deep learning

Peter de With is hoogleraar beeldbewerking bij de TU Eindhoven.

Leestijd: 3 minuten

De toepassing van artificial intelligence (ai) in beeldbewerkingssystemen heeft de afgelopen jaren een onstuimige groei doorgemaakt. Vooral met deep learning (dl) hebben we grote stappen voorwaarts gezet om computers beter objecten in beelden te laten herkennen of te begrijpen. Tegenwoordig doen ze zelfs dingen die we aanvankelijk voor onmogelijk hielden.

Bij surveillance zijn bijvoorbeeld herkenning en classificatie van verkeersobjecten en -deelnemers met dl gemeengoed geworden. Dl-systemen beoordelen hier in 95 procent of meer van de gevallen correct en het gaat ook goed als de objecten dicht op elkaar gepakt zijn. Daarnaast is het mogelijk gebleken om bij voldoende grote databestanden ook de typeaanduiding van het object met een goede score te geven.

Het is een kwestie van tijd voordat we complexere verkeerssituaties als geheel kunnen beoordelen, in plaats van de afzonderlijke objecten in de situatie. Deze toepassing is belangrijk voor onder meer wegbeheerders en overheden, die automatisch kunnen extraheren hoe en door wie de weg wordt gebruikt. Deze techniek is ook nodig voor de autonome auto en automatische controle van verkeersstromen. Hiermee kunnen we uiteindelijk stad en land aansturen (smart city) of slim ingrijpen bij ongelukken en calamiteiten.

This article is exclusively available to premium members of Bits&Chips. Already a premium member? Please log in. Not yet a premium member? Become one and enjoy all the benefits.

Login

Related content