Open eVision Deep Learning Studio

Deep Learningトレーニングと評価アプリケーション

概要
  • Open eVisionのDeep Learningツールの評価の簡略化
  • 分類、セグメンテーション、およびオブジェクト位置検出のためのデータセット作成と画像アノテーション
  • データセットの分割を作成して構成し、画像の使用方法を決定
  • データ拡張変換を管理
  • トレーニングキューによるツールの順次トレーニング
  • トレーニング済みツールの検証と分析
  • WindowsおよびLinuxで利用可
  • 無料



比較 販売店


New in Open eVision 23.04
New in Open eVision 23.04

  • A new code reader tool ECodeReader allowing to read multiple code types from a single integrated interface
  • Deep Learning Studio is now available on Linux ARM-64 platforms
  • Neural Network “engines” allow additional devices support (OpenVINO, Tensor RT) and increased speed.
  • EasyBarCode2 now supports learning from images to improve its capabilities on similar images.


Open eVision 22.12の新機能
Open eVision 22.12の新機能

  • Deep Learning Studioに、EasySegment教師ありアノテーションを使用するための新しい補助セグメンテーションツールが導入されました。ピクセルパーフェクトでアノテーションを実行する迅速で有効な手法を提供します。
  • EasyFindのサポート範囲が拡張されました:
    • ベクトル学習パターン。この拡張機能は、既知のジオメトリを持つオブジェクトを見つけ出すのに最適です。
    • フィーチャポイントテクノロジーを用いたパターンマッチング
  • EasyBarCode2およびEasyQRCodeでGS1シンボロジーがサポートされました。
  • EasyMatrixCode2でData Matrix Rectangular Extension(ISO/IEC 21471、DMRE: 拡張長方形データマトリクス)がサポートされました。


ツールの構成とトレーニング
ツールの構成とトレーニング

Tools(ツール)タブではツールの構成とトレーニングを行えます。トレーニングはCPUまたはGPUで実行し、いつでも停止して再開することができます。プロセッシングキューが実装されているため、起動できるトレーイング数に制限がありません。トレーニングと推論はキューに追加され、順次、処理されます。


新しい補助セグメンテーションツール
新しい補助セグメンテーションツール

  • アノテーションを素早く簡単に設定する補助セグメンテーションツール。


Open eVision Deep Learning Studio
Open eVision Deep Learning Studio

Open eVision Deep Learning Studioは、データセットの作成のほか、Open eVisionのDeep Learningツールのトレーニングとテストにおいてユーザーを支援するアプリケーションです。

Open eVision Deep Learning Studioは無料アプリケーションで、ライセンスは必要ありません。ユーザーが所有する画像を使ってDeep Learningライブラリを検証できます。プログラミングは不要です。

[OPEN EVISION DEEP LEARNING STUDIOをダウンロード] をクリックしてOpen eVisionをインストールしてください。サンプル画像、マニュアル、サンプルプログラムが含まれます。


画像の使用方法を制御
画像の使用方法を制御

Deep Learning Studioで、データセットをトレーニング、検証、およびテストセットに分割できます。複数のデータセット分割を作成して実験し、様々な画像セットを使ってトレーニングされたツールのパフォーマンスを確認できます。

データセットをランダムに分割することも、各画像のセットを手動で選択することもできます。


検証および結果の分析
検証および結果の分析

検証プロセスを各ライブラリに合わせてカスタマイズできるため、データを最大限に活用できます。トレーニングプロセスの結果の分析や調査に使用できる包括的な、指標、テーブル、グラフのセットが用意されています。

テーブルと混同行列では結果をフィルタリングできるため、トレーニングされたモデルの長所と短所を把握することができます。スコアヒストグラムとROI曲線はしきい値を選択してトレーニング済みのモデルをニーズに適合させる際に役立ちます。


Deep Learningプロジェクト
Deep Learningプロジェクト

データセットとユーザーが作成したDeep Learningツールは、Deep Learning Studioプロジェクトによって管理されます。プロジェクトは1つのDeep Learningツール(EasyClassifyEasySegment" target="_blank">EasySegment教師なしモード、EasySegment" target="_blank">EasySegment教師ありモード、またはEasyLocate)と関連付けられており、すべての機能をサポートしています。

プロジェクト内で作成できるツールの数に制限はありません。そのため、ツールのパラメーター、データセットの分割、またはデータ拡張設定を変えながら簡単に実験することができます。


データ拡大
データ拡大

Deep Learning Studioには、EasyClassify、EasySegment、およびEasyLocateのデータ拡張機能が豊富に用意されています。幾何学的データ、色データ、およびノイズデータの拡張を調整し、視覚化します。様々なセットのデータ拡張設定を作成すれば、それぞれが結果にどのような影響を与えるのかを実験することができます。


データセットのアノテーション
データセットのアノテーション

Deep Learning Studioには、各ライブラリに適合されたアノテーションツールが統合されています。分類と教師なしセグメンテーションの場合、画像ごとにラベルを素早く割り当てることができます。教師ありセグメンテーションの場合は、セグメンテーションエディタでグラウンドトゥルースのセグメンテーションを描画することができます。また、位置検出の場合は、オブジェクトエディタを使用し、各オブジェクトの周囲にボンディングボックスを素早く描画することができます。

画像エディタでは、関心領域を選択し、画像の一部にマスキングを適用することもできます。


Software
Host PC Operating System
  • Microsoft Windows 11, 10, 8.1, 7 for x86-64 (64-bit) processor architecture
  • Microsoft Windows 10, 8.1, 7 for x86 (32-bit) processor architecture
  • Linux for x86-64 (64-bit) processor architectures
  • Minimum requirements:
    • 8 GB RAM
    • 400 MB free hard disk space
Ordering Information
Product code - Description