2021年深度学习在哪些应用上有实质进展?
- User
2021年深度学习在哪些应用上有实质进展?
- Assistant
作者:波尔德 链接:https://www.zhihu.com/question/464195262/answer/1989106429 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
说个冷门而简单的。来自德国一家激光加工公司的企业博士(类似于国内的在职博士)。内容来源是他在我们所交流时做的presentation。故事背景比较长。激光切割是一种金属加工工艺。在切割的时候需要确定一些工艺参数,例如激光的焦点深度,进给量,保护气的气压等等。在加工过程中,这些参数可能会逐渐偏离设定值,导致工艺质量下降。消除这些误差必须对机器进行校准。但是,现有的技术无法对所有的工艺参数进行实时监控,许多数值只能停机之后进行确定。对于生产线而言,停机的成本巨大。因此,需要一种方法可以在不停机的前提下监测工艺参数,以及时安排校准工作。这个博士的做法实际上非常直接:拍摄切割断面的照片,用CNN预测工艺参数。技术层面简单到尴尬。他建立了自己的数据集。他魔改了一个VGG。他用最后的全联接输出直接回归了所有参数。他train了上去。他成了。在自建数据集上准确率喜人。作为对照组,他找来了企业里的工艺专家和资深工人,让他们根据图片预测工艺参数。大部分人直接表示这不可能,拒绝给出答案。少部分人硬着头皮选了答案,准确率远低于神经网络。即使他向人类专家展示了全部训练集,人类专家也远达不到神经网络的准确率。这是他的第一个贡献,一个专用数据集和一个远强于人类专家的工艺参数估计网络。然后他又进了一步,用已有的可视化的方法,标记出了切割断面上对预测值贡献最大的区域(像素级标记)。有意思的来了,他向专家和工人们展示了少量可视化结果。结果专家和工人们根据图片预测工艺参数的准确率明显提升。这是他的第二个贡献,用可视化的方法,让神经网络教会人类如何预测工艺参数。最后的故事是,企业对成果十分重视,跟进了研发,后续准备投入生产。而这个博士自己收割了很多激光加工领域的论文(CNN的精度对该领域的传统方法是碾压)。与那些凑trick刷SOTA,魔改attention,变花样讲故事的工作相比,这个博士的方法简单到辣眼睛。但是它就是在实际中work了,变成了实在的生产力。另外,自建数据集和大量的问卷调查也是极其耗费心力的。坚持做下来也是不容易。respect。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.