- 객체/제품/결함의 위치 파악 및 식별
- 객체 계수
- 축 정렬 바운딩 박스(Axis Aligned Bounding Boxes)
- 관심점(Interest Point)
- 데이터 증강 및 마스크 지원
- CPU 및 GPU 처리 호환
- 데이터셋 생성, 훈련 및 평가를 위한 딥 러닝 스튜디오 포함
- 딥 러닝 번들 구성 요소로 제공
- 비용 효율적인 추론 전용 라이선스도 제공
설명
-
EasyLocate는 Deep Learning Bundle의 위치 추정 및 식별 라이브러리입니다. 이미지 내의 객체, 제품 또는 결함을 찾아내고 식별하는 데 사용됩니다. 중첩된 객체를 구분하는 기능을 갖추고 있어 객체 인스턴스 수를 계산하는 데 적합합니다. 두 가지 방법이 제공됩니다:
-
“EasyLocate 축 정렬 바운딩 박스”는 이미지에서 발견한 각 객체(또는 결함)를 둘러싼 바운딩 박스를 예측하고 각각에 클래스 라벨을 할당합니다. 이 방법은 발견해야 할 객체(또는 결함)에 바운딩 박스와 클래스 라벨이 주석 처리된 이미지로 훈련되어야 합니다.
-
“EasyLocate 관심점”은 이미지에서 발견한 각 객체(또는 결함)의 위치(일반적으로 중심점이지만 달리 정의될 수 있음)를 예측하고 각각에 클래스 라벨을 할당합니다. 이미지 내 모든 객체(또는 결함)는 대략 동일한 크기를 가져야 합니다. 이 모델은 탐지 대상 객체(또는 결함)에 관심점과 클래스 레이블만 주석 처리된 이미지로 훈련되어야 합니다. EasyLocate Interest Point를 사용하면 객체 주석 처리가 한 번의 클릭으로 가능하므로 주석 처리 과정이 더 빠릅니다.
-
딥 러닝이란 무엇인가?
신경망은 인간의 뇌를 구성하는 생물학적 신경망에서 영감을 받은 계산 시스템이다. 컨볼루션 신경망(CNN)은 심층적인 전방전달 인공 신경망의 한 종류로, 주로 이미지 분석에 적용된다. 딥 러닝은 대규모 CNN을 활용하여 기존 컴퓨터 비전 알고리즘으로는 해결하기 어렵거나 불가능한 복잡한 문제를 해결한다. 딥 러닝 알고리즘은 일반적으로 예시를 통해 학습하므로 사용이 더 쉬울 수 있습니다. 사용자가 부품의 분류나 검사 방법을 직접 파악할 필요가 없습니다. 대신 초기 훈련 단계에서 검사 대상 부품의 다양한 이미지를 보여주기만 하면 학습합니다. 성공적인 훈련 후에는 부품 분류나 결함 탐지 및 분할에 활용할 수 있습니다.
비용 효율적인 추론 라이선스
일반적으로 생산 현장에 딥 러닝을 배포할 때는 추론 처리만 필요합니다. 추론은 사전에 훈련된 모델을 활용하여 새로 획득한 이미지를 검사하고 분석하는 과정입니다. 대부분의 경우 훈련은 오프라인 프로세스입니다. 훈련은 Open eVision API를 사용하여 실행할 수 있으며 딥 러닝 번들 라이선스가 필요합니다. 또는 딥 러닝 스튜디오 애플리케이션을 통해 무료로 훈련을 수행할 수도 있습니다. 추론 전용 라이선스는 딥 러닝 번들 라이선스의 대안으로, 고객이 비용 최적화된 딥 러닝 솔루션을 배포할 수 있도록 합니다.
데이터 증강
딥 러닝은 신경망을 훈련시켜 참조 이미지 집합을 분류하는 방법을 가르치는 방식으로 작동합니다. 이 과정의 성능은 참조 이미지 집합의 대표성과 포괄성에 크게 좌우됩니다. 딥 러닝 번들은 "데이터 증강"을 구현하여 프로그래밍 가능한 범위 내에서 기존 참조 이미지를 변형(예: 이동, 회전, 크기 조정)함으로써 추가 참조 이미지를 생성합니다. 이를 통해 딥 러닝 번들은 클래스당 단 100장의 훈련 이미지만으로도 작동할 수 있습니다.
성능
딥 러닝은 일반적으로 상당한 양의 처리 능력이 필요하며, 특히 학습 단계에서 그러합니다. 딥 러닝 번들은 표준 CPU를 지원하며 PC 내 Nvidia CUDA 호환 GPU를 자동으로 감지합니다. 단일 GPU 사용 시 일반적으로 학습 및 처리 단계가 100배 가속화됩니다.
샘플 데이터셋: 전자 부품
당사의 "전자 부품" 데이터셋은 EasyLocate Bounding Box가 불량한 조명 조건에도 불구하고 플라스틱 봉지 안에 대량으로 보관된 다양한 종류의 표준 전자 부품을 안정적으로 감지하고 계수할 수 있는 방식을 보여줍니다.
샘플 데이터셋: 세라믹 커패시터
저희 "세라믹 커패시터" 데이터셋은 EasyLocate Interest Point가 서로 겹치거나 접촉하는 다수의 세라믹 커패시터를 어떻게 안정적으로 감지하고 계수할 수 있는지 보여줍니다.
기타 혜택
네오 라이선싱 시스템
네오는 새로운 라이선싱 시스템입니다. 신뢰할 수 있고 최첨단이며, 이제 Open eVision 및 eGrabber 라이선스를 저장할 수 있습니다. 네오를 사용하면 라이선스를 활성화할 위치를 선택할 수 있습니다. 네오 동글에서 활성화하거나 네오 소프트웨어 컨테이너에서 활성화할 수 있습니다. 라이선스를 구매한 후 나중에 결정하면 됩니다.
네오 동글은 견고한 하드웨어를 제공하며 컴퓨터 간 이동이 가능합니다. 네오 소프트웨어 컨테이너는 전용 하드웨어가 필요하지 않으며, 활성화된 컴퓨터에 연결됩니다.
Neo는 자체 전용 Neo 라이선스 관리자를 함께 제공합니다. 이 관리자는 두 가지 형태로 제공됩니다: 직관적이고 사용하기 쉬운 그래픽 사용자 인터페이스(GUI)와 Neo 라이선싱 절차를 쉽게 자동화할 수 있는 명령줄 인터페이스(CLI)입니다.
Windows 및 Linux용 모든 Open eVision 라이브러리
- Microsoft Windows 11, 10 for x86-64 (64비트) 프로세서 아키텍처
- x86_64 시스템용 Microsoft Windows 11, 10 IoT Enterprise
- x86-64(64비트) 및 ARMv8-A(64비트) 프로세서 아키텍처용 Linux (glibc 버전 2.18 이상)
Open eVision Deep Learning Studio
Open eVision에는 무료 Deep Learning Studio 애플리케이션이 포함됩니다. 이 애플리케이션은 데이터셋 생성 및 딥러닝 도구의 훈련과 테스트 과정에서 사용자를 지원합니다. EasySegment의 경우, Deep Learning Studio는 주석 도구를 통합하여 예측 결과를 실제 데이터 주석으로 변환할 수 있습니다. 또한 성능 요구 사항에 맞게 도구를 그래픽으로 구성할 수 있습니다. 예를 들어, 훈련 후 결함 감지율 향상과 정상 감지율 향상 사이의 균형을 선택할 수 있습니다.
Software
- Host PC Operating System
-
Open eVision is a set of 64-bit libraries that require an Intel compatible processor with the SSE4 instruction set or an ARMv8-A compatible processor.
Open eVision can be used on the following operating systems:
Microsoft Windows 11, 10 for x86-64 (64-bit) processor architecture
Microsoft Windows 11, 10 IoT Enterprise for x86-64 systems
Linux for x86-64 (64-bit) and ARMv8-A (64-bit) processor architectures with a glibc version greater or equal to 2.18
Remote connections
Remote connections are allowed using remote desktop, TeamViewer or any other similar software.
Virtual machines
Virtual machines are supported. Microsoft Hyper-V, Oracle VirtualBox and libvirt hypervisors have been successfully tested.
Only the Neo Licensing System is compatible with virtualization.
Minimum requirements:
2 GB RAM to run an Open eVision application
8 GB RAM to compile an Open eVision application
Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
- APIs
-
Supported programming languages :
The Open eVision libraries and tools support C++, Python and the programming languages compatible with the .NET (C#, VB.NET)
C++ requirements: A compiler compatible with the C++ 11 standard is required to use Open eVision
Python requirements: Python 3.11 or later is required to use the Python bindings for Open eVision
.NET requirements: .NET framework 4.8 (or later) or the .NET platform 6.0 (or later) are supported
Supported Integrated Development Environments:
Microsoft Visual Studio 2017 (C++, C#, VB .NET, C++/CLI)
Microsoft Visual Studio 2019 (C++, C#, VB .NET, C++/CLI)
Microsoft Visual Studio 2022 (C++, C#, VB .NET, C++/CLI)
QtCreator 4.15 with Qt 5.12
Ordering Information
- Product status
-
Released
- Product code - Description
-
PC4189 Open EasyLocate for USB dongle
PC4339 Open eVision EasyLocate
PC4194 Open EasyLocate Inference for USB dongle
PC4344 Open eVision EasyLocate Inference
- Related products
-
PC4182 Open Deep Learning Bundle for USB dongle
PC4332 Open eVision Deep Learning Bundle