Euresys Deep Learning Bundle，一套功能强大的图像分析库

Euresys历经多年，开发出了一些最强大的图像分析库和软件工具，得到了整个机器视觉行业的认可。

Deep Learning Bundle就是最新的开发成果，它完善了一系列经常使用的图像处理库，拥有广泛的客户群，其中大部分是为半导体和电子行业供货的机器制造商。


Deep Learning库包含多种软件工具，这些软件工具用来应对深度学习能够解决的三大功用：分类、分割和定位。它们是Open eVision Deep Learning Bundle的一部分，可与免费的Deep Learning Studio培训和评估应用程序结合使用。
 

可什么是深度学习?

神经网络是受到构成人脑的生物神经网络启发的计算系统。卷积神经网络(CNN)是一类深度前馈人工神经网络，最常用于分析图像。深度学习利用CNN来解决传统计算机视觉算法很难解决乃至无法解决的复杂问题。深度学习算法通常从示例中学习，因此更易于使用。它们不需要用户理清如何对部件进行分类或检查。相反，在初期训练阶段，它们通过显示多张待检验部件图来从中学习。成功训练后，即可对部件进行分类，或是检测和分割缺陷。

分类

EasyClassify 是Deep Learning Bundle的分类工具。EasyClassify是一个用于缺陷检测和产品识别的图像分类库。EasyClassify要求用户标记训练图像，也即告知哪些是优良图像，哪些是不良图像，或哪些图像属于哪个类别。在学习/训练过程之后，EasyClassify库将对图像进行分类。对于提供的任何图像，它将返回概率列表，显示图像属于所示教类别的可能性。例如，如果流程要求将不良部件与优良部件分开，EasyClassify将返回每个部件是优良还是不良，也会返回相应的概率。

 

分割

EasySegment是Deep Learning Bundle的分割工具，用于简化对象和缺陷的分割过程。它可以识别有缺陷的部件，并精确指出图像中的缺陷位置。在监督模式下，EasySegment学习图像中何为缺陷部分、何为“优良”部分的模式。这个过程使用带有预期分割的图像来进行训练，然后即可使用该工具来检测和分割新图像中的缺陷。EasySegment的监督模式可以达到更高的精度，由于预期分割的缘故，相较于无监督模式，它可以分割更为复杂的缺陷。在无监督模式下，EasySegment学习何为“优良”样本（即无任何缺陷的样本）的模式。它在训练时只使用“优良”样本图像。然后便可使用该工具将新图像按优良或缺陷进行分类，并分割出这些图像中的缺陷。EasySegment无监督模式只训练优良样本图像，即使事先不知晓缺陷类型或不易获得缺陷样本，它也照样能执行检验。

定位

EasyLocate是Deep Learning Bundle的定位和识别库。它用于定位和识别目标、产品或图像中的缺陷。它能够区分重叠的目标，因此EasyLocate适合于目标实例计数。

有两种方法：

“EasyLocate轴对齐包围盒”预测它在图像中发现的每个对象（或缺陷）周围的包围盒，并给每个物体分配一个类标签。它必须用图像进行训练，在图像中定能找到的对象（或缺陷）已经用包围盒和类标签进行了标注。

“EasyLocate兴趣点”预测它在图像中发现的每个对象（或缺陷）的位置（作为一个点，通常是中心，但也可能以其他方式定义），并为每个对象指定一个类标签。图像中的所有对象（或缺陷）必须有大致相同的尺寸。它必须用图像进行训练，在图像中定能找到的对象（或缺陷）已经用兴趣点和类标签进行了标注。使用EasyLocate兴趣点时标注过程会更快，因为能一键标注对象。

免费评估: Open eVision Deep Learning Studio


Deep Learning Studio应用程序可以协助用户创建数据集，以及训练和测试Open eVision的Deep Learning工具。它是一款免费软件，无需使用任何许可证。用户可以使用自己的图像在该软件中测试Deep Learning库。从Euresys网站可以下载该软件。它随附示例图像、手册和示例程序，无需编程。

客户感言

" 从Euresys网站可以免费下载Deep Learning Studio，不必使用许可证，这一点我由衷欣赏。这样就可以用我的真实的图像来评估eVision工具的性能，解决了任何潜在的保密问题。"