딥 러닝 스튜디오 프로젝트는 데이터셋과 생성한 딥 러닝 도구를 관리합니다. 프로젝트는 하나의 딥 러닝 도구(EasyClassify, EasySegment Unsupervised, EasySegment Supervised 또는 EasyLocate)와 연결되며 해당 도구의 모든 기능을 지원합니다.

프로젝트 내에서 원하는 만큼 도구를 생성할 수 있습니다. 이를 통해 도구 매개변수, 데이터셋의 다양한 분할 방식, 데이터 증강 설정 등을 손쉽게 실험해 볼 수 있습니다.

딥 러닝 스튜디오를 사용하면 데이터셋을 훈련 세트, 검증 세트, 테스트 세트로 분할할 수 있습니다. 여러 데이터셋 분할을 생성하여 실험하고, 서로 다른 이미지 세트로 훈련된 도구의 성능을 확인할 수 있습니다.

데이터셋 분할은 무작위로 생성하거나 각 이미지의 세트를 수동으로 선택할 수 있습니다.

딥 러닝 스튜디오에서는 EasyClassify, EasySegment, EasyLocate의 풍부한 데이터 증강 기능을 활용할 수 있습니다. 기하학적, 색상, 노이즈 데이터 증강을 조정하고 시각화하세요. 다양한 데이터 증강 설정 세트를 생성하여 결과에 미치는 영향을 실험해 볼 수 있습니다.

도구 탭에서는 도구를 구성하고 훈련시킬 수 있습니다. CPU 또는 GPU에서 실행되며, 훈련은 언제든지 중지 및 재개할 수 있습니다. 처리 대기열 덕분에 원하는 만큼 훈련을 시작할 수 있습니다. 훈련 및 추론 작업은 대기열에 등록되어 차례로 처리됩니다.

검증 프로세스는 각 라이브러리에 맞춤화되어 데이터를 최대한 활용할 수 있도록 합니다. 훈련 과정의 결과를 분석하고 탐색하기 위한 포괄적인 지표, 표 및/또는 그래프 세트가 제공됩니다.

테이블과 혼동 행렬을 통해 결과를 필터링하여 훈련된 모델의 강점과 약점을 파악할 수 있습니다. 점수 히스토그램과 ROI 곡선은 임계값을 선택하고 훈련된 모델을 필요에 맞게 조정하는 데 유용합니다.

딥 러닝 스튜디오는 각 라이브러리에 맞춤화된 주석 도구를 통합합니다. 분류 및 비지도 분할의 경우 각 이미지에 라벨을 신속하게 할당할 수 있습니다. 지도 분할의 경우 분할 편집기를 통해 지상 진실 분할을 직접 그릴 수 있습니다. 위치 추적의 경우 객체 편집기를 통해 각 객체 주변에 바운딩 박스를 빠르게 그릴 수 있습니다.

이미지 편집기를 사용하면 관심 영역을 선택하고 이미지의 일부를 마스크 처리할 수도 있습니다.

주석 작업을 용이하게 하고 가속화하는 보조 분할 도구.