Deep Learning Bundle

畳み込みニューラルネットワークに基づく検査ライブラリ

概要
  • EasyClassifyとEasySegmentを含みます
  • データ拡大とマスクをサポート
  • CPUおよびGPUプロセッシングとの互換性
  • データセット作成、トレーニング、および評価に使用できる無償のDeep Learning Studioアプリケーションを含みます

比較 販売店


ディープラーニングとは?

ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークからヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク (CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人工ニューラルネットワークの一種です。 ディープラーニングは、大規模なCNNを使って、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニングの始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレーニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになります。


EasySegment Description
EasySegment Description

EasySegment is the segmentation tool of Deep Learning Bundle. EasySegmentは検出と分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピンポイントに示します。 教師なしモードを使用する場合、EasySegmentは、「合格」サンプル (欠陥のないサンプル) とされるモデルを学習します。これは、「合格」サンプルの画像のみを使ったトレーニングを通じて行われます。それが完了すると、新しい画像を合格または欠陥に分類し、これらの画像から欠陥を分離するために使用できるようになります。 あらかじめ欠陥の種類が不明な場合や欠陥サンプルが手元にない場合でも、合格のサンプル画像のみを使ってトレーニングすることで、EasySegmentの教師なしモードを使って検査を実施できます。


DG06 Technology Development Department の支援を得て開発
DG06 Technology Development Department の支援を得て開発


Open eVisionのDeep Learning Bundleを選ぶ理由
Open eVisionのDeep Learning Bundleを選ぶ理由

  • Deep Learning Bundleは、特にマシンビジョン用途での画像解析を念頭に、調整、パラメーター化、および最適化されています。
  • Deep Learning BundleのAPIは単純であるため、数行のみのコードでディープラーニング技術の性能を活用できます。
  • ご購入前にお試しください: Deep Learning Bundleには、Deep Learning Studioトレーニング・評価アプリケーションが同梱されています。
EasyClassifyとEasySegmentを個別に購入することはできません。Deep Learning Bundleの一環としてのみ提供されています。
Deep Learning StudioよりDeep Learning Bundleをダウンロードしてお試しください。ご不明な点がございましたら、お気軽にEuresysのサポートまでお電話ください。


<a target="_blank" href="https://www.euresys.com/Products/Machine-Vision-Software/Open-eVision-Studio/Open-eVision-Studio"  >Deep Learning Studio</a>
Deep Learning Studio

Open eVisionには無償のDeep Learning Studioアプリケーションが含まれます。このアプリケーションは、データセットの作成やディープラーニングツールのトレーニングと検証においてユーザーを支援するためのツールです。


EasyClassify Description
EasyClassify Description

EasyClassify is the classification tool of Deep Learning Bundle. EasyClassifyではユーザーがトレーニング画像にラベル付けを行う必要があります。合格と不合格を示し、どのクラスに属するのかを指定する作業です。この学習/トレーニングプロセスが完了すると、EasyClassifyライブラリは画像を分類できるようになります。ある画像について、その画像がティーチングされたクラスに該当する可能性を示した、確率のリストを返します。たとえば、プロセスに不合格品と合格品を分ける設定が必要な場合、EasyClassifyは、各部品が合格か不合格かを返し、その確率を示します。


性能
性能

ディープラーニングには、特に学習段階において、一般的に非常に高いプロセッシング能力が必要となります。Deep Learning Bundleは、標準的なCPUをサポートしており、PC内のNvidia CUDA対応GPUを自動的に検出します。通常、1つのGPUの使用によって、学習と処理の段階は100倍速くなります。


Software
Host PC Operating System
  • Open eVision is a set of 32-bit and 64-bit libraries that require a processor compatible with the SSE2 instruction set.
  • Deep Learning Bundle is only available in the 64-bit Open eVision library.
  • Open eVision can be used on the following operating systems:
    • Windows 10 (32- and 64-bits)
    • Windows 8 (32- and 64-bits)
    • Windows 7 (32- and 64-bits)
  • Since Open eVision 2.6, discontinued support of:
    • Windows Vista 32-bits Service Pack 1
    • Windows XP 32-bits Service Pack 3
    • Windows Embedded Standard 2009 32-bits
  • The Open eVision installer does not allow installation on virtual machines.
  • Minimum requirements:
    • RAM: 8 GB
    • Display size: 800 x 600. 1280 x 1024 recommended.
    • Color depth: 16 bits. 32 bits recommended.
    • Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
APIs
  • Supported Integrated Development Environments and Programming Languages:
    • Microsoft Visual Studio .NET 2003 SP1 (C++)
    • Microsoft Visual Studio 2005 SP1 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2008 SP1 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2010 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2012 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2013 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2015 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2017 (C++, C#, VB .NET, C++/CLI)
  • Since Open eVision 2.6, discontinued support of:
    • Microsoft Visual Studio 6.0 SP6 (C++, Basic)
    • Borland C++ Builder 6.0 update 4 (C++)
    • CodeGear C++ Builder 2009 (C++)
    • CodeGear Delphi 2009 (Object Pascal)
    • Embarcadero RAD Studio XE4 (C++, Object Pascal)
    • Embarcadero RAD Studio XE5 (C++, Object Pascal)
Ordering Information
Product code - Description
Optional accessories
Presence Check

プレゼンス/アブセンス・チェック

EasyImageのグレースケール解析機能は、簡単なプレゼンス/アブセンス・チェックに使用されます
Surface

表面解析

EasyImageは表面の欠陥を明らかにするために使用され、EasyObjectのブロブ解析機能はそれらの欠陥を分けて測定することができます。
Code Verification

ラベル印刷機向けのコード品質検証