EasyClassify
深度学习分类库
- 包含分类器训练和图像分类功能
- 检测缺陷产品
- 将产品分类至不同类别
- 支持数据增强
- 兼容CPU和GPU处理
- 深度学习工作室用于数据集创建、训练和评估
- 作为深度学习套装的一部分提供
- 另提供经济高效的仅推理许可证
描述
什么是深度学习？
神经网络是受构成人类大脑的生物神经网络启发的计算系统。卷积神经网络（CNN）属于深度前馈人工神经网络，最常应用于图像分析。深度学习利用大型卷积神经网络解决复杂问题，这些问题用传统计算机视觉算法难以解决甚至无法解决。 深度学习算法通常通过示例学习，因此可能更易于使用。它们无需用户自行设计分类或检测部件的方法，而是在初始训练阶段通过展示大量待检测部件的图像来学习。成功训练后，即可用于部件分类、缺陷检测与分割。
EasyClassify有什么用？
深度学习通常不适用于需要精确测量或量化的应用场景。当某些类型的错误（如漏检）完全不可接受时，也不建议采用深度学习。当缺陷难以明确界定时，例如分类依赖于不同尺度和位置的复杂形状与纹理时，EasyClassify的表现优于传统机器视觉。此外，深度学习的"以例为师"范式还能缩短计算机视觉流程的开发周期。
数据增强
深度学习通过训练神经网络实现，教导其如何对一组参考图像进行分类。该过程的性能高度依赖于参考图像集的代表性和丰富程度。深度学习组合包实现了"数据增强"技术，即在可编程限制范围内对现有参考图像进行修改（例如平移、旋转、缩放），从而生成额外的参考图像。这使得深度学习组合包能够以每类仅需一百张训练图像的极低数量完成工作。
性能
深度学习通常需要强大的处理能力，尤其是在学习阶段。深度学习套装支持标准CPU，并能自动检测PC中兼容Nvidia CUDA的GPU。使用单张GPU通常可将学习和处理阶段的速度提升100倍。
缺货检测
分布外检测（OOD）是EasyClassify的一项功能，用于识别与模型训练数据存在显著差异的图像，此类图像极易被错误分类。该功能对于构建适用于现实场景的稳健可靠的深度学习分类系统至关重要。
经济高效的推理许可证
通常，在生产车间部署深度学习仅需进行推理处理。 推理是指利用预先训练好的模型对新采集的图像进行检测与分析的过程。在多数情况下，训练属于离线操作。用户可通过Open eVision API执行训练，但需持有深度学习套件许可证。此外，也可免费使用深度学习工作室应用程序进行训练。仅推理许可证作为深度学习套件许可证的替代方案，能帮助客户部署成本优化的深度学习解决方案。
其他福利
新许可系统
Neo 是全新的授权系统。它可靠且技术先进，现已支持存储 Open eVision 和 eGrabber 授权。Neo 允许您选择授权激活方式：可通过 Neo 硬件密钥或 Neo 软件容器激活。购买授权后，您可随时决定激活方式。
Neo加密狗提供坚固的硬件支持，可灵活转移至不同计算机使用。Neo软件容器无需专用硬件，仅与激活所在的计算机绑定。
Neo自带专属许可证管理器，提供两种操作模式：直观易用的图形用户界面，以及可轻松自动化Neo许可证流程的命令行界面。
适用于 Windows 和 Linux 的所有 eVision 库
- Microsoft Windows 11、10 适用于 x86-64（64 位）处理器架构
- Microsoft Windows 11、10 IoT Enterprise 适用于 x86_64 系统
- 适用于 x86-64（64 位）和 ARMv8-A（64 位）处理器架构的 Linux，需使用 glibc 2.18 及以上版本
Open eVision Deep Learning Studio
Open eVision包含免费的深度学习工作室应用程序。该应用程序在数据集创建以及深度学习工具的训练和测试过程中为用户提供支持。针对EasySegment，深度学习工作室集成了标注工具，可将预测结果转化为真实数据标注。它还支持通过图形化配置工具以满足性能需求。例如，训练完成后，用户可选择在更高的缺陷检测率与更高的良品检测率之间进行权衡。
