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。
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。
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。
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。
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
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。
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
-
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