EasyLocate
딥 러닝 기반 위치 추정 및 분류 라이브러리
- 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 시스템입니다. 컨볼루션 신경망(CNN)은 심층 전방 전달 인공 신경망의 한 종류로, 주로 이미지 분석에 적용됩니다. 딥러닝은 대규모 CNN을 활용하여 소위 기존의 컴퓨터 비전 알고리즘으로는 해결하기 어렵거나 불가능한 복잡한 문제들을 해결합니다. 딥 러닝 알고리즘은 일반적으로 예시를 통해 학습하기 때문에 사용하기가 더 쉬울 수 있습니다. 사용자가 부품을 분류하거나 검사하는 방법을 따로 파악할 필요가 없습니다. 대신, 초기 훈련 단계에서 검사 대상 부품의 수많은 이미지를 보여주기만 하면 학습이 이루어집니다. 훈련이 성공적으로 완료되면, 이 알고리즘을 사용하여 부품을 분류하거나 결함을 감지하고 분할할 수 있습니다.
비용 효율적인 추론 라이선스
일반적으로 생산 현장에 딥러닝을 도입할 때는 추론 처리만 필요합니다. 추론이란 미리 학습된 모델을 사용하여 새로 획득한 이미지를 검사하고 분석하는 과정을 말합니다. 대부분의 경우, 학습은 오프라인에서 이루어집니다. 훈련은 eVision API를 사용하여 실행할 수 있으며, 이를 위해서는 딥 러닝 번들 라이선스가 필요합니다. 또는 딥 러닝 스튜디오 애플리케이션을 사용하여 무료로 훈련을 수행할 수도 있습니다. 추론 전용 라이선스는 딥 러닝 번들 라이선스의 대안으로, 고객이 비용 효율적인 딥 러닝 솔루션을 구축할 수 있도록 해줍니다.
데이터 증강
딥 러닝은 신경망을 훈련시켜 일련의 참조 이미지를 분류하는 방법을 가르치는 방식으로 작동합니다. 이 과정의 성능은 참조 이미지 세트가 얼마나 대표적이고 광범위한지에 크게 좌우됩니다. 딥 러닝 번들은 “데이터 증강” 기능을 구현하여, 프로그래밍 가능한 범위 내에서 기존 참조 이미지를 변형(예: 이동, 회전, 크기 조정)함으로써 추가적인 참조 이미지를 생성합니다. 이를 통해 딥 러닝 번들은 클래스당 단 100장의 훈련 이미지만으로도 작동할 수 있습니다.
성능
딥 러닝은 일반적으로 상당한 양의 연산 성능이 필요하며, 특히 학습 단계에서 더욱 그렇습니다. 딥 러닝 번들은 표준 CPU를 지원하며, PC에 장착된 NVIDIA CUDA 호환 GPU를 자동으로 감지합니다. 일반적으로 단일 GPU를 사용하면 학습 및 처리 단계의 속도가 100배 빨라집니다.
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
Neo는 새로운 라이선싱 시스템입니다. 신뢰할 수 있고 최첨단 기술을 적용한 이 시스템은 이제 eVision 및 eGrabber 라이선스를 저장하는 데 사용할 수 있습니다. Neo를 사용하면 Neo 동글이나 Neo 소프트웨어 컨테이너 중 어디에서 라이선스를 활성화할지 선택할 수 있습니다. 라이선스를 구매한 후, 나중에 결정하시면 됩니다.
Neo 동글은 견고한 하드웨어를 제공하며, 한 컴퓨터에서 다른 컴퓨터로 자유롭게 옮겨 사용할 수 있는 유연성을 갖추고 있습니다. Neo 소프트웨어 컨테이너는 별도의 전용 하드웨어가 필요하지 않으며, 대신 활성화된 컴퓨터에 고정되어 사용됩니다.
Neo에는 전용 Neo 라이선스 관리자가 함께 제공되며, 이 관리자는 직관적이고 사용하기 쉬운 그래픽 사용자 인터페이스(GUI)와 Neo 라이선싱 절차를 손쉽게 자동화할 수 있는 명령줄 인터페이스(CLI)의 두 가지 형태로 제공됩니다.
Windows 및 Linux용 모든 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)
eVision 딥러닝 스튜디오
eVision에는 무료 애플리케이션인 Deep Learning Studio가 포함되어 있습니다. 이 애플리케이션은 데이터셋 생성 과정은 물론, 딥러닝 도구의 훈련 및 테스트 과정에서 사용자를 지원합니다. EasySegment의 경우, Deep Learning Studio는 주석 도구를 통합하여 예측 결과를 정답 주석으로 변환할 수 있습니다. 또한 성능 요구 사항에 맞게 도구를 그래픽 방식으로 구성할 수 있게 해줍니다. 예를 들어, 훈련이 끝난 후 결함 탐지율을 높일지, 양품 탐지율을 높일지 사이의 균형을 조정할 수 있습니다.
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
-
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