EasyLocate
深度学习定位与分类库
- 物体/产品/缺陷的定位与识别
- 物体计数
- 轴对齐边界框
- 兴趣点
- 支持数据增强与遮罩
- 兼容CPU与GPU处理
- 包含深度学习工作室，用于数据集创建、训练与评估
- 作为深度学习套装的一部分提供
- 另提供经济高效的纯推理许可证
描述
-
EasyLocate 是深度学习套件中的定位与识别库，用于在图像中定位和识别物体、产品或缺陷。该库具备区分重叠物体的能力，因此适用于统计物体实例数量。提供两种方法：
-
“EasyLocate 轴对齐边界框”可预测图像中每个物体（或缺陷）的包围边界框，并为其分配类别标签。训练时需使用已标注边界框和类别标签的目标物体（或缺陷）图像。
-
“EasyLocate兴趣点”预测图像中每个物体（或缺陷）的位置（通常为中心点，也可另行定义），并为其分配类别标签。 图像中所有目标（或缺陷）必须具有近似相同尺寸。训练时需使用标注有兴趣点和类别标签的目标（或缺陷）图像。采用EasyLocate兴趣点标注时，单次点击即可完成目标标注，显著提升标注效率。
-
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。
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。
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。
样本数据集：电子元件
我们的“电子元件”数据集展示了EasyLocate边界框技术如何在光线不足的条件下，仍能可靠地检测并计数塑料袋内散装存储的各类标准电子元件。
样本数据集：陶瓷电容器
我们的“陶瓷电容器”数据集展示了EasyLocate兴趣点功能如何可靠地检测并计数大量相互重叠或接触的陶瓷电容器。
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。
