강력한 이미지 분석 라이브러리 제품군, Euresys 딥 러닝 번들

Euresys는 머신 비전 업계에서 인정받는 가장 강력한 이미지 분석 라이브러리 및 소프트웨어 도구를 생산하며 수년 동안 여정을 이어오고 있습니다.

Deep Learning Bundle은 반도체 및 전자 산업에 공급하는 기계 제조업체를 중심으로 광범위한 고객층이 정기적으로 사용하는 다양한 이미지 처리 라이브러리를 완성하는 최신 개발입니다.


딥 러닝 라이브러리는 딥 러닝이 솔루션을 제공하는 세 가지 특정 기능, 즉 분류, 분할 및 로컬라이제이션에 대응하는 소프트웨어 도구로 구성되어 있습니다. 이는 무료 Deep Learning Studio 교육 및 평가 애플리케이션과 함께 사용할 수 있는 Open eVision Deep Learning Bundle의 일부입니다.
 

그런데 딥 러닝이 무엇인가요?

신경망은 인간의 두뇌를 이루는 생물학적 신경망을 모방해 만든 컴퓨팅 시스템입니다. CNN(컨볼루션 신경망)은 딥 피드포워드(deep, feed-forward) 방식의 인공 신경망으로, 이미지를 분석하는 데 가장 널리 적용되고 있습니다. 딥 러닝은 기존의 컴퓨터 비전 알고리즘으로 풀기 어렵거나 풀 수 없는 복잡한 문제를 풀기 위해 대규모 CNN을 사용합니다. 딥 러닝 알고리즘은 대개 예제에 의해 학습하기 때문에 사용하기에 더 쉬울 수도 있습니다. 부품을 분류 또는 검사하는 방법을 사용자가 알 필요가 없습니다. 대신에, 이 알고리즘은 초기 학습 단계에서 검사 대상 부품의 표시된 많은 이미지에 의해 학습을 합니다. 성공적으로 학습을 마친 후 이 알고리즘을 이용해 부품을 분류하거나 결함을 감지하고 분할할 수 있습니다.

분류

EasyClassify는 Deep Learning Bundle의 분류 도구입니다. EasyClassify는 결함 감지 및 제품 인식에 사용되는 이미지 분류용 라이브러리입니다. EasyClassify 사용 시 사용자는 교육 이미지에 레이블만 붙이면 됩니다. 즉, 어떤 부품이 양호하고 어떤 부품이 불량하며 어떤 부품이 어떤 클래스에 속하는지만 알려주면 됩니다. 
이 학습/교육 프로세스 후에 EasyClassify 라이브러리가 이미지를 분류할 수 있습니다. 주어진 이미지에 대해 이 분류 도구는 확률의 목록을 반환하여 이미지가 그것을 교육한 각 클래스에 속할 가능성의 정도를 보여줍니다. 예를 들어, 불량품을 양품과 따로 구분해야 하는 프로세스의 경우, EasyClassify는 각 부품이 양호한지 또는 불량인지와 함께 해당 확률을 반환합니다.

분할

EasySegment은 개체 및 결함을 쉽게 분할할 수 있도록 설계된 Deep Learning Bundle의 분할 도구입니다. 결함이 포함된 부품을 식별하고 그 결함이 이미지의 어떤 위치에 있는지 정확하게 구분합니다. EasySegment의 감독 모드는 이미지에서 어떤 것이 결함 부품이고 어떤 것이 “양호한” 부품인지에 대한 모델을 학습하는 방식으로 작동합니다. 이는 예상된 분할이 있는 주석 달린 이미지로 학습하여 이루어집니다. 그런 다음, 이 도구를 사용해 새 이미지에서 결함을 감지하고 분할할 수 있습니다. EasySegment의 감독 모드는 예상된 분할에 대한 지식 덕분에 비지도 모드보다 더 나은 정확도를 달성하고 더 복잡한 결함을 분할할 수 있습니다. EasySegment의 비지도 모드는 모델의 “양호한” 샘플(즉, 아무 결함이 없는 샘플)에 대해 학습하는 방식으로 작동합니다. 이는 “양호한” 샘플의 이미지만을 학습하여 이루어집니다. 그런 다음, 이 도구를 이용해 새 이미지를 양호 또는 결함으로 분류하고 이러한 이미지로부터 결함을 분할할 수 있습니다. 양호한 샘플의 이미지만으로 학습시킴으로써, EasySegment의 비지도 모드는 결함의 유형을 알고 있지 않은 경우나 결함 샘플이 준비되지 않은 경우에도 검사를 수행할 수 있습니다.

로컬라이제이션

EasyLocate는 Deep Learning Bundle의 로컬라이제이션 및 식별 라이브러리입니다. 이미지에서 개체, 제품 또는 결함을 찾고 식별하는 데 사용됩니다. 겹치는 개체를 구별하는 기능이 있어 EasyLocate는 개체 인스턴스 수를 계산하는데 적합합니다.

두 가지 방법을 사용할 수 있습니다.

실제로 EasyLocate 축 정렬 바운딩 박스는 이미지에서 찾은 각 개체(또는 결함)를 둘러싼 바운딩 박스를 예측하고 클래스 레이블을 각 바운딩 박스에 할당합니다. 또한 발견해야 하는 개체(또는 결함)가 바운딩 박스와 클래스 레이블로 주석 처리된 이미지로 훈련되어야 합니다.

"EasyLocate 관심점"은 이미지에서 찾은 각 개체(또는 결함)에 대한 위치(하나의 지점, 일반적으로 중심, 다르게 정의될 수 있음)를 예측하고 각 위치에 클래스 레이블을 할당합니다. 이미지의 모든 개체(또는 결함)는 대략적으로 크기가 같아야 합니다. 또한 발견해야 하는 개체(또는 결함)가 관심점과 클래스 레이블로 단순히 주석 처리된 이미지로 훈련되어야 합니다. EasyLocate 관심점을 사용하면 한 번의 클릭으로 개체에 주석을 추가할 수 있으므로 주석 처리가 더 빨라집니다.


무료 평가: Open eVision Deep Learning Studio


Deep Learning Studio는 데이터 세트 생성은 물론 Open eVision의 딥 러닝 도구를 학습 및 테스트하는 동안 사용자를 지원하는 응용 프로그램입니다. 무료이며 라이선스가 필요하지 않습니다. 사용자가 자신의 이미지를 사용하여 딥 러닝 라이브러리를 테스트할 수 있습니다. Euresys 웹사이트에서 다운로드할 수 있습니다. 샘플 이미지, 설명서 및 예제 프로그램이 포함되어 있으며 프로그래밍이 필요하지 않습니다.

고객 평가

" 제가 정말 감사하게 생각하는 점은 Deep Learning Studio를 Euresys 웹사이트에서 무료로 다운로드할 수 있고 라이선스가 필요하지 않다는 것입니다. 이를 통해 실제 이미지로 eVision 도구의 성능을 평가하여 잠재적인 기밀 문제를 해결할 수 있었습니다. "