深度學習的優勢
深度學習跨越電腦與攝影機所能檢測的極限。
深度學習已經將過去需要視覺專業知識的應用，轉變成可藉由非視覺專家亦能解決的工程挑戰。深度學習將應用開發者開發及撰寫基於規則的演算法的合理負擔，轉到訓練系統的工程師身上。此外，亦開啟了全新範圍的可能性，來解開過去在沒有人工檢測人員之情形下，從未嘗試過的應用。如此一來，深度學習讓機器視覺可更輕易運用，同時跨越電腦與攝影機所能精準檢測的極限。
 |
和人類視覺檢測相比 |  |
和傳統機器視覺相比 |  |
和深度學習型開放原始碼程式庫相比 |
|
更為一致 可全天候運作並讓每一生產線，班次及工廠都維系相同的品質。 |
專為難以解決的應用而設計 可解決不可能或難以使用傳統基於規則的演算法處理的複雜檢測，分類及定位應用。 |
需較少資料與運算能力 訓練僅需數百個圖像，而不是數百萬個。由於圖像儲存在本機且只需部署較少的運算資源，因此速度快又經濟實惠。 |
|||
|
更為可靠 可識別所設定誤差範圍外的任何缺陷。 |
較容易設定 能迅速設定應用，加快概念驗證與開發速度。 |
簡易訓練接口 專為實際工廠環境而設計的軟體，無需任何特殊專業知識。 |
|||
|
速度更快 可在毫秒內識別出缺陷，支援高速應用並可改善產能。 |
容許變化 可為需從控制鑑識可接受誤差的應用，處理缺陷變化 |
全球支援 康耐視的工程師與技術專家網路能提供世界級的應用支援。 |
|||
人工檢測人員善於從實例學習，並鑒別與控制之間可接受的誤差。相形之下，機器視覺要穩健得多了。深度學習結合人類視覺檢測的靈活度，還具備電腦的一致性與速度。
