易定位
深度學習定位與分類函式庫
- 物體/產品/缺陷的定位與識別
- 物體計數
- 軸對齊邊界框
- 興趣點
- 支援資料擴增與遮罩
- 相容於 CPU 與 GPU 處理
- 內含深度學習工作室，用於資料集建立、訓練與評估
- 作為深度學習套件的一部分提供
- 另提供經濟實惠的純推論授權
描述
-
EasyLocate 是深度學習套件中的定位與識別函式庫，用於在圖像中定位及識別物體、產品或缺陷。其具備區分重疊物體的能力，因此適用於計數物體實例數量。提供兩種方法：
-
「EasyLocate 軸對齊邊界框」會預測影像中每個物體（或缺陷）的邊界框位置，並為其分配類別標籤。此方法需使用已標註邊界框與類別標籤的目標物體（或缺陷）影像進行訓練。
-
「EasyLocate 興趣點」預測影像中每個物體（或缺陷）的位置（以單點表示，通常為中心點，亦可另行定義），並為其分配類別標籤。 圖像中所有物體（或缺陷）必須具備相近尺寸。訓練時需使用標註有興趣點與類別標籤的目標物體（或缺陷）圖像。採用EasyLocate興趣點標註時，僅需單次點擊即可完成標註，大幅提升標註效率。
-
什麼是深度學習？
神經網路是一種受構成人類大腦的生物神經網路啟發而開發的運算系統。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。深度學習利用大型 CNN 來解決那些使用所謂傳統電腦視覺演算法難以甚至無法解決的複雜問題。 深度學習演算法通常透過範例學習，因此可能更易於使用。它們無需使用者自行釐清如何對零件進行分類或檢測；相反地，在初始訓練階段，只需向其展示大量待檢測零件的影像，系統便能自行學習。成功訓練後，即可運用這些演算法對零件進行分類，或檢測並分割缺陷。
高性價比的推論授權
通常，在生產現場部署深度學習僅需進行推論處理。推論是指利用先前已訓練好的模型來檢查、分析新取得的影像的過程。在大多數情況下，訓練是一個離線過程。 訓練可透過 eVision API 執行，並需具備「深度學習套件」的授權。此外，亦可透過「深度學習工作室」應用程式免費進行訓練。純推論授權是「深度學習套件」授權的替代方案，讓客戶能夠部署成本優化的深度學習解決方案。
資料增強
深度學習的運作原理是透過訓練神經網路，教導其如何對一組參考影像進行分類。此過程的表現程度，在很大程度上取決於該組參考影像的代表性與涵蓋範圍。 「深度學習套件」實現了「資料增強」功能，透過在可程式化的範圍內修改現有參考圖像（例如平移、旋轉、縮放），來生成額外的參考圖像。這使得「深度學習套件」即使每類別僅有一百張訓練圖像，也能順利運作。
表現
深度學習通常需要大量的運算能力，特別是在學習階段。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。使用單一 GPU 通常可將學習與處理階段的速度提升 100 倍。
樣本資料集：電子元件
我們的「電子元件」數據集展示了EasyLocate邊界框技術如何在光線不足的環境下，仍能可靠地偵測並計數存放於塑膠袋內的大量標準電子元件。
樣本資料集：陶瓷電容器
我們的「陶瓷電容器」數據集展示了EasyLocate興趣點功能如何可靠地偵測並計數大量相互重疊或接觸的陶瓷電容器。
其他好處
Neo 授權系統
Neo 是一套全新的授權系統。它可靠且技術先進，現已可用於儲存 eVision 和 eGrabber 授權。Neo 讓您能選擇在何處啟用授權，無論是透過 Neo 硬體金鑰，還是 Neo 軟體容器皆可。您先購買授權，之後再決定啟用方式。
Neo 授權金鑰具備堅固的硬體結構，並可靈活地在不同電腦之間移轉。Neo 軟體容器則無需任何專用硬體，而是與其被啟用的電腦綁定。
Neo 隨附專屬的 Neo 授權管理員，提供兩種使用模式：直觀且易於操作的圖形使用者介面，以及可輕鬆自動化 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
eVision 深度學習工作室
eVision 內含免費的 Deep Learning Studio 應用程式。此應用程式可協助使用者建立資料集，並進行深度學習工具的訓練與測試。針對 EasySegment，Deep Learning Studio 整合了標註工具，並能將預測結果轉化為真實標註。此外，它還允許使用者透過圖形化介面配置工具，以符合效能需求。 舉例來說，在訓練完成後，使用者可選擇在更高的缺陷檢測率與更高的良品檢測率之間取得平衡。
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