Nutzen Sie Ihr visuelles Kapital, nutzen Sie jedes Pixel
Seit 2012 sind jedes Jahr neue und leistungsfähigere Modelle für die Bildverarbeitung auf der Grundlage von neuronalen Faltungsnetzen oder Transformatoren auf den Markt gekommen. Viele dieser Architekturen wurden jedoch allein mit dem Ziel einer Leistungssteigerung entwickelt, ohne den betrieblichen Kontext oder die industriellen Randbedingungen zu berücksichtigen.
Wir schaffen hier einen Mehrwert, indem wir unsere Branchenkenntnisse einfließen lassen.
AI und Computer Vision nach Scalian
Unser Ansatz
Es ist wichtig, auf dem neuesten Stand zu sein …
Der Sektor der KI-Technologien und insbesondere der Computer Vision erlebt eine rasante Entwicklung. Als Center of Excellence wind wir bestrebt, die effizientesten Methoden für die verschiedenen Anwendungsfälle und ihre Besonderheiten zu gewährleisten. Dies erreichen wir folgendermaßen:
- Wir führen ein Technologiemonitoring durch beteiligen uns an F&E-Aktivitäten innerhalb der Gruppe in Partnerschaft mit dem Scalian Innovation Lab oder in Zusammenarbeit mit der akademischen Forschung (insbesondere mit dem Institut ANITI und dem Projekt DEEL). Wir machen die Ergebnisse dieser Partnerschaften durch Artikel, Seminare und Konferenzen das ganze Jahr über bekannt.
- Unsere Projektvorschläge beinhalten so früh wie möglich einen Abschnitt zum Stand der Technik. Dieser wird erarbeitet, sobald die Bedürfnisse und Randbedingungen feststehen und die Daten untersucht wurden und dient dazu, die neuesten Lösungen zu finden, die mit den genauen Randbedingungen des Anwendungsfalls kompatibel sind.
- In unseren Proofs of Concept hinterfragen wir unser bestehendes Wissen und unsere Architekturen und passen unsere vorgeschlagenen Architekturen an den Stand der Technik an.
- Unser Team besteht hauptsächlich aus promovierten Wissenschaftlern, so dass wir in der Lage sind, mit dem neuesten Stand der Forschung zu interagieren.
Anwendungsbeispiele für Computer Vision
Objekterkennung in Verbindung mit KI kann für eine ganze Reihe komplexer Funktionen eingesetzt werden, für die das Data-Consulting-Team ein solides Fachwissen entwickelt hat:
Klassifizierung: Sortieren von Bildern in verschiedene Kategorien. Automatische Sortierung von Produkten, Medikamenten, Gemüse anhand von Bildern dieser Gegenstände. Das Data-Consulting-Team hatte zum Beispiel folgende Aufgaben erfolgreich gelöst:
- Sortieren des Straßentyps auf den von einem Fahrzeug befahrenen Strecken, um sein Nutzungsprofil für die vorausschauende Wartung zu bestimmen.
- Erkennung von Bildern unerwünschter Produkte auf einem E-Commerce-Marktplatz, um den Verkauf von Waffen und Drogen zu verhindern.
- Unterscheidung zwischen Produktbildern mit weißem Hintergrund und Produktbildern, denen weiße Ränder hinzugefügt wurden, um das Bildmaterial automatisch zu harmonisieren.
- Sortierung von Bildern militärischer Fahrzeuge auf SAR-Bildern, wobei das Modell mit Bildern trainiert wurde, die von einem Scalian-Simulator erzeugt wurden (siehe Seite CEN Simulation).
Erkennung von Objekten in Bildern. Wir haben die folgenden Erkennungsprojekte durchgeführt:
- Fliegende Drohnen mit Systemen zur automatischen Erkennung von Menschen, Tieren und Fahrzeugen, um die Freigabe von Sensoren zu gewährleisten. Gleichzeitige Erkennung von Schräg- und Nadirbildern im sichtbaren und infraroten Bereich.
- Automatische Erkennung von vorbeifahrenden Zügen in Echtzeit, um den Betreibern eine schnelle Analyse von Zugfolgen in Überwachungsvideos zu ermöglichen.
- Erkennung von Fehlern an Sonnenkollektoren anhand von Wärmebildern.
Verfolgung: Erkennung und Überwachung eines oder mehrerer Objekte von Interesse in Videos. In diesem Zusammenhang haben wir uns zum Beispiel auf Folgendes konzentriert:
- Erkennung von illegalen Mülldeponien auf Überwachungsvideos.
- Automatische Verkehrsanalyse: Staus, Durchschnittsgeschwindigkeiten durch Fahrzeugverfolgung in Drohnenvideos.
Segmentierung: oder das Ausschneiden bestimmter Pixel von Interesse im Bild. Dies wird z. B. verwendet, um verschiedene Arten von Böden, Umgebungen oder Häusern in Satellitenbildern zu bestimmen oder Personen oder Objekte von Interesse in Fotos und Videos auszuwählen. Unser Team hat an der folgenden Anwendung gearbeitet:
- Bestimmung der Anzahl der gefällten und gestapelten Bäume in einem forstwirtschaftlichen Kontext. Durch die Auswahl der Stämme in den Bildern wurde es möglich, das Volumen des gefällten Holzes zu berechnen.
Unsere Methode
Audit und Bewertung der Anwendungsfälle
Bevor die Integration von künstlicher Intelligenz in Angriff genommen wird, ist es wichtig, ihre Relevanz zu bewerten. Nur weil Deep-Learning-Methoden in vielen Fällen der Bildverarbeitung führend sind, heißt das nicht, dass sie systematisch auf alle Anwendungsfälle angewendet werden sollten. Und selbst in Fällen, in denen sich Deep Learning als die beste Wahl erweist, ist es wichtig zu akzeptieren, dass nicht alle seine Anwendungen notwendigerweise den gleichen Nutzen bringen oder von ihren Nutzern in gleicher Weise akzeptiert werden.
Nach sechsjährigem Bestehen und Anwendungen in einer Vielzahl von Bereichen können wir Ihnen helfen, Ihren Bedarf zu ermitteln, zu bewerten und zu klären. Im Anschluss an unser Audit erhalten Sie eine Zusammenfassung, mit der Sie die Machbarkeit, Realisierbarkeit und Akzeptanz von KI-Anwendungen für Ihre Anwendungsfälle bewerten können, sowie unsere Empfehlungen zu den zu ergreifenden Maßnahmen und zu den relevanten und irrelevanten Ansätzen. Wenn KI nicht die beste Lösung für Ihre Bedürfnisse und Randbedingungen ist, werden wir Ihnen erklären, warum!
Integration Ihrer Randbedingungen
Wir haben das Know-how und die Erfahrung, um Ihre Randbedingungen zu identifizieren und in die von uns implementierten Lösungen zu integrieren, egal ob es sich um funktionale, Hardware- oder Leistungsbedingungen handelt.
*** Echtzeit oder eingebettet, wir haben es bereits getan! ***
Scalian verpflichtet sich, zunächst den branchenspezifischen Kontext zu berücksichtigen und nicht um jeden Preis nach Leistung zu streben. Ob im Vorfeld, durch die Wahl des Ansatzes und die Definition der Architektur, oder im Nachhinein, durch die Berichterstattung über die KI-Ausgabe und die Bewertung ihrer Leistung. Wenn z. B. die Falsch-Positiv-Rate für Ihre Geschäftsanwendung entscheidend ist, sollte die Leistung der von uns angebotenen Modelle dies widerspiegeln.
Auf dem Weg zu einer transparenteren KI
Eines der Risiken der KI-basierten Lösungen ist der „Blackbox“-Effekt, wenn Sie nicht erkennen können, wie die von uns vorgeschlagene Lösung funktioniert, wo ihre Grenzen liegen und inwieweit Sie ihr vertrauen können.
Wir haben mehrere Möglichkeiten, diesen Effekt zu minimieren
- Unsere Projektmethode, die auf einer agilen Arbeitsweise basiert, bietet eine regelmäßige, ritualisierte Kommunikation mit Ihren Experten, in der wir in einfachen Worten darlegen, was wir während des gesamten Projekts getan haben und was wir noch tun werden. So haben Ihre Experten am Ende des Projekts eine bessere Vorstellung von der Lösung, da sie alle Schritte und Entscheidungen, die zu ihrer Verwirklichung geführt haben, nachvollziehen konnten. Durch diesen Austausch kann auch sichergestellt werden, dass die erstellte Lösung die von Ihnen vorgegebenen Randbedingungen berücksichtigt.
- Wenn möglich, bieten wir zu Beginn des Projekts ein oder mehrere erklärende Meetings an, bei denen wir Ihnen in einfachen Worten die KI und die Methoden, die wir für das Projekt anwenden wollen, erläutern.
- Unser Team ist stark in die Grundlagenforschung zu Themen wie KI-Erklärbarkeit involviert und wir arbeiten an der Einbindung von Methoden zur Erklärbarkeit oder zur Bewertung der Robustheit unserer Modelle.
Die Garantien eines größeren Dienstleistungsunternehmens
Innovation sollte niemals gleichbedeutend mit minderwertigem Code der gelieferten Lösung sein. Zu diesem Zweck arbeitet unser Team mit der Digital Factory von Scalian: ein Produktionsteam für Softwarelösungen mit über 40 Experten. Wir achten besonders auf die Qualität unseres Codes und unserer Umgebungen, aber auch auf die Modulierfähigkeit unserer Produkte, um eventuelle Upgrades oder ein erneutes Training der von uns angebotenen KI zu erleichtern.
Das bedeutet auch, dass wir über die Ressourcen verfügen, um das Training komplexer KI auf unseren Systemen anbieten zu können – lokal oder in der Cloud. Unser multidisziplinäres Team umfasst direkt die verschiedenen Berufe, die für jeden Schritt eines KI-Projekts erforderlich sind. Auf diese Weise können wir einen reibungslosen Ablauf der Projekte gewährleisten, indem wir alle erforderlichen Akteure so früh wie möglich einbinden.
Unterstützung bei der Verbesserung Ihrer KI-Kompetenz
Ganz gleich, ob Sie interne Computer-Vision-Projekte einrichten, sich weiterbilden, Ihre Experten schulen oder Ängste und Zweifel gegenüber dem Einsatz von KI ausräumen wollen: Scalian bietet Ihnen seine Unterstützung mit folgenden Leistungen an:
- Training: Wir verfügen über eine kleine Anzahl erfahrener Ausbilder und bieten maßgeschneiderte oder Standardschulungen in Bereichen wie Python, maschinelles Lernen, Deep Learning, natürliche Sprachverarbeitung usw. an.
Wir haben sowohl für große Privatunternehmen (Orange, Renault Lab usw.) als auch im akademischen Umfeld (ENAC, Ynov, ENSEIRB-ENSC usw.) gearbeitet.
- Beratung: Treffen Sie sich mit einem unserer Experten und sprechen Sie mit ihm, um den Start Ihrer zukünftigen Projekte zu sichern, die Kompetenz Ihrer eigenen Teams zu stärken oder ein Projekt, das in Schräglage geraten ist, zu retten.
- Kompetenz: Auf Festpreisbasis oder in enger Zusammenarbeit mit Ihren Teams bieten wir Ihnen unser umfassendes Know-how bei der Konzeption und Entwicklung innovativer Lösungen.
Setzen Sie mit Scalian Ihre Potenziale frei
Schließen Sie sich leidenschaftlichen Männern und Frauen an.
Entwickeln Sie sich in einer Organisation, in der Professionalität und Unternehmergeist mit Freundlichkeit und Fürsorge einhergehen.
