Open eVision Deep Learning Studio

Deep Learning 학습 및 평가 애플리케이션

주요 사양
  • Open eVision의 Deep Learning 툴을 간편하게 평가
  • 분류, 분할 및 개체 검색을 위한 데이터세트 생성 및 이미지 주석
  • 이미지 사용 방법을 결정하기 위해 데이터세트 분할 생성 및 구성
  • 데이터 증강 변환 관리
  • 교육 대기열로 연속적 도구 교육
  • 교육된 도구의 결과 검증 및 분석
  • Windows 및 Linux에서 사용 가능
  • 무료로 이용



비교 구입처 안내


New in Open eVision 24.02
New in Open eVision 24.02

EasyFind : Significant speed increase, without any loss of accuracy.

EasyImage

  • New Gabor filtering function to help with texture analysis and edge detection.
  • New inverse circle warp function, providing conversion between polar and cartesian coordinates.
Easy: Improved off-screen rendering on all platforms.
Admin: Simplified version upgrade procedure with version numbers removed from filenames.


Open eVision 23.12의 새로운 기능
Open eVision 23.12의 새로운 기능

표준 데이터세트를 Deep Learning Studio로 가져오기

EasySpotDetector(Beta 버전, 자세한 내용은 당사에 문의하십시오)
  • 관심 영역 정렬, 표면 결함 감지(입자, 긁힘 등) 및 맞춤형 학습 딥러닝 분류기를 사용한 분류를 위한 단일 API 및 라이선스.
  • 인라인 표면 검사를 위한 실시간 처리


도구 구성 및 교육
도구 구성 및 교육

도구 탭에서는 도구를 구성하고 교육할 수 있습니다. CPU 또는 GPU에서 작동하므로, 아무 때나 교육을 중단 또는 재시작할 수 있습니다. 처리 대기열로 원하는 대로 교육을 시작할 수 있습니다. 교육 및 추론 작업은 차례로 대기열에 추가되어 처리됩니다.


새 보조 분할 툴
새 보조 분할 툴

  • 주석을 쉽고 빠르게 만드는 보조 분할 툴.


Open eVision Deep Learning Studio
Open eVision Deep Learning Studio

Open eVision Deep Learning Studio는 데이터세트를 생성하는 동안 및 Open eVision의 Deep Learning 도구를 교육 및 테스팅하는 단계에서 사용자를 도와주는 애플리케이션입니다.

Open eVision Deep Learning Studio는 무료이며 라이센스가 필요 없습니다. 이를 통해 자신만의 이미지를 사용하여 Deep Learning 라이브러리를 테스트할 수 있습니다. 프로그래밍은 필요 없습니다.

간단히 'OPEN EVISION DEEP LEARNING STUDIO 다운로드'를 클릭하여 Open eVision을 설치하면 됩니다. 샘플 이미지, 설명서, 예제 프로그램도 포함되어 있습니다.


이미지 사용 방법 제어
이미지 사용 방법 제어

Deep Learning Studio를 사용하면 데이터세트를 교육, 검증 및 테스트 세트로 분할할 수 있습니다. 여러 데이터세트 분할을 생성하여 다양한 이미지 세트로 교육된 도구의 성능을 실험하고 확인할 수 있습니다.

무작위로 데이터세트 분할을 생성하거나 각 이미지 세트를 수동으로 선택할 수 있습니다.


검증 및 결과 분석
검증 및 결과 분석

데이터를 최대한 활용할 수 있도록 각 라이브러리에 대해 검증 프로세스가 맞춤화되었습니다. 종합적인 매트릭, 테이블 및/또는 그래프 세트를 이용하여 교육 프로세스의 결과를 분석하고 살펴볼 수 있습니다.

테이블과 혼란 매트릭스를 사용하면 결과를 필터링하여 교육 모델의 강점과 약점을 이해할 수 있습니다. 점수 히스토그램과 ROI 곡선은 임계값을 선택하고 교육 모델을 필요에 맞게 조정하는 데 유용합니다.


Deep Learning 프로젝트
Deep Learning 프로젝트

Deep Learning Studio 프로젝트는 데이터세트와 생성한 Deep Learning 도구를 관리합니다. 프로젝트는 하나의 Deep Learning 도구(EasyClassify, EasySegment" target="_blank">EasySegment Unsupervised, EasySegment" target="_blank">EasySegment Supervised 또는 EasyLocate)와 연결되며 모든 기능을 지원합니다.

프로젝트 내에서 원하는 만큼 도구를 만들 수 있습니다. 이를 통해 도구의 매개변수, 데이터세트의 다른 분할 또는 데이터 증강 설정을 쉽게 실험할 수 있습니다.


데이터 증강
데이터 증강

EasyClassify, EasySegment 및 EasyLocate의 풍부한 데이터 증강 능력을 Deep Learning Studio에서 이용할 수 있습니다. 기하학적, 색상 및 노이즈 데이터 증강을 조정하고 시각화합니다. 다양한 데이터 증강 설정 세트를 생성하여 이들에 따른 결과의 변화를 실험할 수 있습니다.


데이터세트에 주석 달기
데이터세트에 주석 달기

Deep Learning Studio에는 각 라이브러리에 적합한 주석 도구가 통합되어 있습니다. 분류 및 무감독 분할의 경우 각 이미지에 레이블을 빠르게 할당할 수 있습니다. 감독 분할의 경우 분할 편집기를 사용하여 실제 분할을 그릴 수 있습니다. 검색의 경우 개체 편집기를 사용하여 각 개체 주위에 바운딩 박스를 빠르게 그릴 수 있습니다.

이미지 편집기를 사용하면 관심 영역을 선택하고 이미지의 일부를 숨길 수 있습니다.


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