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


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.


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.


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.


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.


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.


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