EasySegment
ディープラーニングセグメンテーションライブラリ
- 非教師ありモード：新規画像の異常・欠陥を検出・セグメント化するため、「良品」画像のみで学習
- 教師ありモード：欠陥モデルの学習により、セグメンテーション精度と検出精度を向上
- あらゆる解像度の画像に対応
- データ拡張とマスクをサポート
- CPUおよびGPU処理に対応
- データセット作成・学習・評価用の無料アプリケーション「Deep Learning Studio」付属
- Deep Learning Bundleの一部として提供
- コスト効率に優れた推論専用ライセンスも利用可能
説明
-
EasySegmentはDeep Learning Bundleのセグメンテーションツールです。EasySegmentは欠陥検出とセグメンテーションを実行します。欠陥を含む部品を識別し、画像内の正確な位置を特定します。
-
EasySegmentの教師ありモードは、画像内の欠陥と「良品」部品のモデルを学習することで機能します。これは、期待されるセグメンテーションでアノテーションされた画像を用いてトレーニングすることで実現されます。その後、このツールを使用して新規画像内の欠陥を検出・セグメンテーションできます。
-
教師ありモードでは、期待されるセグメンテーションの知識を活用することで、教師なしモードよりも高い精度を実現し、より複雑な欠陥のセグメンテーションが可能です。
-
EasySegmentの教師なしモードは、「良品」（すなわち欠陥のないサンプル）のモデルを学習することで機能します。これは「良品」サンプルの画像のみで訓練することで実現されます。
-
その後、このツールを用いて新規画像を良品か不良品かに分類し、画像から欠陥をセグメント化できます。良品サンプルの画像のみで学習するため、EasySegmentの非教師ありモードは、欠陥の種類が事前に知られていない場合や、不良サンプルが容易に入手できない場合でも検査を実行できます。
ディープラーニングとは何か？
ニューラルネットワークとは、人間の脳を構成する生物学的ニューラルネットワークに着想を得た計算システムです。畳み込みニューラルネットワーク（CNN）は、深層の順伝播型人工ニューラルネットワークの一種であり、主に画像解析に応用されています。ディープラーニングでは、大規模なCNNを用いて、いわゆる従来のコンピュータビジョンアルゴリズムでは解決が困難、あるいは不可能な複雑な問題を解決します。 ディープラーニングアルゴリズムは、通常、例に基づいて学習するため、使いやすくなっている可能性があります。ユーザーが部品の分類方法や検査方法を考え出す必要はありません。その代わりに、初期の学習段階において、検査対象となる部品の画像を多数提示するだけで学習します。学習が成功すれば、部品の分類や、欠陥の検出・セグメンテーションに活用することができます。
EasySegmentは何に役立つのか？
ディープラーニングは、精密な測定やゲージングを必要とする用途には一般的に適していません。また、特定の種類の誤り（偽陰性など）が完全に許容できない場合にも推奨されません。EasySegmentの教師なしモードは、特に不良サンプルの入手が困難な場合、欠陥検出やセグメンテーションタスクに適しています。 深層学習ツールは通常、複雑な表面パターンを持つ自然物や人工物（木材、布地など）の画像処理に非常に効果的です。こうしたパターンは従来のマシンビジョンアルゴリズムによる欠陥検出を極めて困難にします。さらに、深層学習の「例から学ぶ」パラダイムは、コンピュータビジョンプロセスの開発期間短縮にも寄与します。
EasySegment 教師ありモード
EasySegmentはDeep Learning Bundleのセグメンテーションツールです。EasySegmentは欠陥検出とセグメンテーションを実行します。欠陥を含む部品を識別し、画像内の正確な位置を特定します。 EasySegmentの教師ありモードは、画像内の欠陥と「良品」部品のモデルを学習することで機能します。これは、期待されるセグメンテーションでアノテーションされた画像を用いてトレーニングすることで実現されます。その後、このツールを使用して新規画像内の欠陥を検出・セグメント化できます。EasySegmentの教師ありモードは、期待されるセグメンテーションの知識により、教師なしモードよりも高い精度を達成し、より複雑な欠陥のセグメンテーションが可能です。
EasySegment非教師ありモード
EasySegmentはDeep Learning Bundleのセグメンテーションツールです。EasySegmentは欠陥検出とセグメンテーションを実行します。欠陥を含む部分を識別し、画像内の正確な位置を特定します。EasySegmentの教師なしモードは、「良品」（すなわち欠陥のないサンプル）のモデルを学習することで機能します。これは「良品」サンプルの画像のみでトレーニングを行うことで実現されます。 これにより、新規画像を良品か不良品かに分類し、画像から欠陥をセグメント化することが可能となります。良品サンプルの画像のみで学習を行うため、EasySegmentの教師なしモードは、欠陥の種類が事前に知られていない場合や、不良サンプルが容易に入手できない場合でも検査を実行できます。
コスト効率に優れた推論ライセンス
通常、生産現場にディープラーニングを導入する際には、推論処理のみが必要となります。推論とは、事前に学習済みのモデルを使用して、新たに取得した画像を検査・分析するプロセスです。学習は、ほとんどの場合、オフラインで行われます。 トレーニングはeVision APIを使用して実行でき、Deep Learning Bundleのライセンスが必要です。あるいは、Deep Learning Studioアプリケーションを使用すれば、無料でトレーニングを行うことも可能です。Deep Learning Bundleライセンスの代替として、推論専用ライセンスも用意されており、これにより顧客はコストを最適化したディープラーニングソリューションを導入することができます。
データ拡張
ディープラーニングは、ニューラルネットワークを学習させ、一連の参照画像を分類する方法を教えることで機能します。このプロセスの性能は、参照画像のセットがどれほど代表性が高く、網羅的であるかに大きく依存します。 Deep Learning Bundleは「データ拡張」機能を実装しており、プログラムで設定可能な範囲内で既存の参照画像を（例えば、平行移動、回転、拡大・縮小など）変更することで、追加の参照画像を生成します。これにより、Deep Learning Bundleはクラスごとにわずか100枚の学習画像でも動作することが可能になります。
パフォーマンス
ディープラーニングでは、特に学習段階において、一般的に膨大な処理能力が必要となります。「Deep Learning Bundle」は標準的なCPUに対応しており、PC内のNVIDIA CUDA対応GPUを自動的に検出します。通常、GPUを1基使用することで、学習および処理の速度が100倍に向上します。
その他のメリット
ネオ・ライセンシング・システム
Neoは新しいライセンスシステムです。信頼性が高く、最先端の技術を搭載しており、eVisionおよびeGrabberのライセンスを保存できるようになりました。Neoでは、NeoドングルかNeoソフトウェアコンテナのどちらでライセンスをアクティベートするかを選択できます。ライセンスを購入した時点で、後で決めることも可能です。
Neoドングルは堅牢なハードウェアであり、コンピュータ間で転用できる柔軟性を備えています。Neoソフトウェアコンテナは専用のハードウェアを必要とせず、代わりにアクティベーションが行われたコンピュータに紐付けられます。
Neoには専用の「Neo License Manager」が付属しており、直感的で使いやすいグラフィカルユーザーインターフェース（GUI）と、Neoのライセンス手続きを簡単に自動化できるコマンドラインインターフェース（CLI）の2種類が用意されています。
WindowsおよびLinux向けすべてのeVisionライブラリ
- Microsoft Windows 11、10 for x86-64 (64ビット) プロセッサアーキテクチャ
- x86_64 システム上の Microsoft Windows 11、10 IoT Enterprise
- Linux for x86-64 (64ビット) および ARMv8-A (64ビット) プロセッサアーキテクチャ（glibc バージョン 2.18 以上）
サンプルデータセット：生地欠陥検出
当社の「ファブリック」サンプルデータセットは、EasySegmentの教師なしモードが、訓練用の良品サンプルがわずかしかなく、想定される欠陥の種類に関する知識がない場合でも、ファブリックの欠陥を検出・セグメント化する方法を示しています。さらに、EasySegmentの教師なしモードは、教師ありモードに必要なセグメンテーションの期待値の注釈付けを容易にするために、教師なしモードの結果をレビューし、真値としてインポートすることで活用できます。
サンプルデータセット：異物検出およびセグメンテーション
当社の「コーヒー」サンプルデータセットは、EasySegmentの教師ありモードを活用することで、異物の色や質感が対象製品と非常に類似している場合でも、生産ライン上の異物を効率的に検出・セグメント化できることを示しています。
eVision ディープラーニング・スタジオ
eVisionには、無料の「Deep Learning Studio」アプリケーションが含まれています。このアプリケーションは、データセットの作成だけでなく、ディープラーニングツールの学習やテストの際にもユーザーを支援します。EasySegmentの場合、Deep Learning Studioにはアノテーションツールが統合されており、予測結果をグラウンドトゥルースのアノテーションに変換することができます。また、パフォーマンス要件に合わせてツールをグラフィカルに設定することも可能です。 例えば、学習後には、欠陥検出率の向上と良品検出率の向上との間で、どちらを優先するかのトレードオフを選択することができます。
Software
- Host PC Operating System
-
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.
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 eVision application
8 GB RAM to compile an eVision application
Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
- APIs
-
Supported programming languages :
The 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 eVision
Python requirements: Python 3.11 or later is required to use the Python bindings for 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