簡易分段
深度學習分割函式庫
- 無監督模式：僅使用「良好」影像進行訓練，以偵測並分割新影像中的異常與缺陷
- 有監督模式：學習缺陷模型以提升分割與偵測精準度
- 適用於任何影像解析度
- 支援資料擴增與遮罩技術
- 相容於 CPU 與 GPU 處理
- 內含免費 Deep Learning Studio 應用程式，可進行資料集建立、訓練與評估
- 作為 Deep Learning Bundle 套裝方案之一部分提供
- 另提供高性價比的純推論授權方案
描述
-
EasySegment 是深度學習套件中的分割工具。它執行缺陷檢測與分割功能，能識別含缺陷的零件，並精確標示其在圖像中的位置。
-
EasySegment 的監督模式運作原理是透過學習模型來辨識圖像中的缺陷與「良品」部件。此過程需使用標註預期分割結果的圖像進行訓練，之後即可運用該工具檢測並分割新圖像中的缺陷。
-
受監督模式憑藉預期的分割知識，能實現更高精準度，並比無監督模式處理更複雜的缺陷分割。
-
EasySegment 的無監督模式則透過學習「良品」樣本（即無缺陷樣本）的模型來運作，此過程僅使用良品樣本圖像進行訓練。
-
此後，該工具即可對新影像進行良品/瑕疵判別，並從中分割出缺陷區域。透過僅使用良品影像進行訓練，EasySegment的無監督模式即使在缺陷類型未知或缺乏缺陷樣本的情況下，仍能執行檢測任務。
何謂深度學習？
神經網路是受構成人類大腦的生物神經網路啟發而發展出的計算系統。卷積神經網路（CNN）屬於深度前饋人工神經網路的一類，最常應用於影像分析。深度學習運用大型卷積神經網路來解決那些難以或無法透過傳統電腦視覺演算法處理的複雜問題。 深度學習演算法通常透過範例學習，因此可能更易於使用。使用者無需自行構思分類或檢測零件的方法，只需在初始訓練階段展示大量待檢測零件的圖像，系統便能自動學習。成功訓練後，即可運用其進行零件分類、缺陷檢測與分割。
EasySegment 的用途是什麼？
深度學習通常不適用於需要精確測量或量測的應用場景。當某些類型的錯誤（例如假陰性）完全不可接受時，亦不建議採用此技術。EasySegment的無監督模式特別適用於缺陷檢測與分割任務，尤其當缺陷樣本難以取得時效果更佳。 深度學習工具通常能有效處理具有複雜表面紋理的自然或人造物體影像（例如木材、織物等），這類紋理會使傳統機器視覺演算法難以檢測缺陷。此外，深度學習的「以實例學習」模式亦能縮短電腦視覺流程的開發時間。
EasySegment 監督模式
EasySegment 是深度學習套件中的分割工具。它執行缺陷檢測與分割功能，能識別含有缺陷的零件，並精確標示其在圖像中的位置。 EasySegment 的監督模式運作原理是透過學習模型來辨識圖像中的缺陷與「良品」部件。此過程需使用標註預期分割結果的圖像進行訓練，隨後即可運用該工具檢測並分割新圖像中的缺陷。由於具備預期分割的知識基礎，相較於無監督模式，EasySegment 的監督模式能實現更高精準度，並可分割更複雜的缺陷。
EasySegment 無監督模式
EasySegment 是深度學習套件中的分割工具。該工具執行缺陷檢測與分割作業，能識別含缺陷的部件，並精確定位其在圖像中的位置。其無監督模式運作原理在於學習「良品」樣本（即無任何缺陷的樣本）的模型，僅透過訓練「良品」樣本圖像即可達成。 此後，該工具即可對新影像進行良品/瑕疵判別，並從中分割出缺陷區域。由於僅需良品影像進行訓練，EasySegment 的無監督模式即使在缺陷類型未知或缺乏缺陷樣本的情況下，仍能執行檢測任務。
經濟實惠的推論授權
通常，在生產現場部署深度學習僅需執行推論處理。 推論是指運用預先訓練的模型來檢視、分析新取得影像的過程。在多數情境中，訓練屬於離線流程。訓練可透過Open eVision API執行，並需取得深度學習套件授權。此外，亦可免費使用深度學習工作室應用程式進行訓練。僅推論授權作為深度學習套件授權的替代方案，能協助客戶部署成本優化的深度學習解決方案。
資料擴充
深度學習的運作原理是透過訓練神經網路，使其學會如何分類一組參考圖像。此過程的效能高度取決於參考圖像集的代表性與完整性。深度學習套件採用「資料擴增」技術，能在可編程的限制範圍內，透過修改現有參考圖像（例如平移、旋轉、縮放）來生成額外參考圖像。此機制使深度學習套件得以僅使用每類別一百張訓練圖像即可運作。
表現
深度學習通常需要龐大的運算能力，尤其在學習階段。深度學習套件支援標準CPU，並能自動偵測電腦中的Nvidia CUDA相容GPU。使用單張GPU通常可將學習與處理階段的速度提升100倍。
其他福利
新授權系統
Neo 是全新的授權系統。它具備可靠性與尖端技術，現已可用於儲存 Open eVision 與 eGrabber 的授權。Neo 允許您選擇授權的啟用位置，無論是 Neo 硬體授權卡或 Neo 軟體容器皆可。您先購買授權，後續再決定啟用方式。
Neo 硬體授權器具備堅固耐用的硬體結構，可靈活在不同電腦間轉移使用。Neo 軟體授權容器則無需專用硬體，而是與其啟用所在的電腦綁定。
Neo隨附專屬的Neo授權管理器，提供兩種操作模式：直覺易用的圖形化使用者介面，以及可自動化執行Neo授權流程的命令列介面。
所有適用於 Windows 與 Linux 的 eVision 函式庫
- Microsoft Windows 11、10 適用於 x86-64 (64 位元) 處理器架構
- Microsoft Windows 11、10 IoT Enterprise 適用於 x86_64 系統
- 適用於 x86-64（64 位元）及 ARMv8-A（64 位元）處理器架構的 Linux，需具備 glibc 2.18 或更高版本
樣本資料集：布料缺陷檢測
我們的「織物」樣本資料集展示了EasySegment的無監督模式如何運用於織物缺陷的檢測與分割——僅需少量良品樣本進行訓練，且無需預先知曉預期缺陷類型。此外，該無監督模式還能透過檢視並導入其結果作為真實標籤，有效減輕監督模式所需的預期分割標註工作量。
樣本資料集：異物檢測與分割
我們的「咖啡」樣本資料集展示了EasySegment的監督模式如何高效偵測並分割生產線上的異物，即使這些異物的顏色與紋理與目標產品極為相似。
開啟eVision深度學習工作室
Open eVision 包含免費的 Deep Learning Studio 應用程式。此應用程式在使用者建立資料集以及訓練與測試深度學習工具時提供協助。針對 EasySegment，Deep Learning Studio 整合了標註工具，能將預測結果轉化為地面真實標註。它還允許使用者透過圖形化配置工具以符合性能需求。例如，訓練完成後，使用者可選擇在更優異的缺陷檢測率與更優異的良品檢測率之間取得平衡。
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
-
PC4188 Open EasySegment for USB dongle
PC4338 Open eVision EasySegment
PC4193 Open EasySegment Inference for USB dongle
PC4343 Open eVision EasySegment Inference
- Related products
-
PC4182 Open Deep Learning Bundle for USB dongle
PC4332 Open eVision Deep Learning Bundle