EasySegment
深度学习分割库
- 无监督模式：仅使用“良好”图像训练，用于检测和分割新图像中的异常与缺陷
- 监督模式：学习缺陷模型以提升分割与检测精度
- 支持任意图像分辨率
- 支持数据增强与遮罩处理
- 兼容CPU和GPU处理
- 包含免费Deep Learning Studio应用程序，用于数据集创建、训练和评估
- 可作为深度学习套装的一部分获取
- 另提供经济高效的纯推理许可证
描述
-
EasySegment是深度学习套件中的分割工具。该工具可执行缺陷检测与分割任务，能够识别含缺陷的部件，并精确定位其在图像中的具体位置。
-
EasySegment的监督模式通过学习图像中缺陷与"良品"部件的模型实现检测。该模型基于标注预期分割结果的训练图像构建，随后可用于检测并分割新图像中的缺陷。
-
基于预期分割信息的监督模式，相较于无监督模式能实现更高精度，并可分割更复杂的缺陷。
-
EasySegment的无监督模式通过学习"良品"样本（即无缺陷样本）的特征模型实现检测。该模式仅使用良品图像进行训练。
-
随后该工具可对新图像进行良品/缺陷分类，并从图像中分割出缺陷区域。通过仅使用良品样本图像训练，EasySegment的无监督模式即使在缺陷类型未知或缺陷样本难以获取的情况下，仍能执行检测任务。
什么是深度学习？
神经网络是一种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）是一类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来解决那些使用所谓的传统计算机视觉算法难以甚至无法解决的复杂问题。 深度学习算法通常通过示例学习，因此可能更易于使用。它们不需要用户自行摸索如何对零件进行分类或检测。相反，在初始训练阶段，只需向其展示大量待检测零件的图像，它们便能自动学习。成功训练后，即可用于对零件进行分类，或检测和分割缺陷。
EasySegment有什么用？
深度学习通常不适用于需要精确测量或检测的应用场景。当某些类型的错误（如漏检）完全不可接受时，也不建议采用该技术。EasySegment的无监督模式适用于缺陷检测和分割任务，尤其在难以获取缺陷样本的情况下效果显著。 深度学习工具通常能很好地处理具有复杂表面纹理的自然或人造物体图像（如木材、织物等），这些纹理会使传统机器视觉算法难以检测缺陷。此外，深度学习的"以例为鉴"范式还能缩短计算机视觉流程的开发周期。
EasySegment 监督模式
EasySegment是深度学习套件中的分割工具。该工具可执行缺陷检测与分割任务，能够识别含缺陷的部件，并精确定位其在图像中的具体位置。 EasySegment的监督学习模式通过训练模型来学习图像中缺陷与"良品"部件的特征。该过程需使用标注预期分割结果的图像进行训练，随后即可应用于新图像的缺陷检测与分割。由于掌握预期分割模式，监督学习模式相较于无监督模式能实现更高精度，并能分割更复杂的缺陷。
EasySegment 无监督模式
EasySegment是深度学习套件中的分割工具。该工具可执行缺陷检测与分割任务，能够识别含缺陷的部件，并精确定位图像中的缺陷位置。其无监督模式通过学习"良品"样本（即无缺陷样本）的特征模型实现，仅需使用良品图像进行训练。 随后，该工具可对新图像进行良品/缺陷分类，并从图像中分割出缺陷区域。由于仅需良品样本图像进行训练，EasySegment的无监督模式即使在缺陷类型未知或缺乏缺陷样本的情况下，仍能执行检测任务。
高性价比的推理许可证
通常，在生产线上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获取的图像进行检测和分析的过程。在大多数情况下，训练是一个离线过程。 训练可通过 eVision API 执行，并需要“深度学习套件”许可证。此外，也可以使用“深度学习工作室”应用程序免费进行训练。“仅推理”许可证是“深度学习套件”许可证的替代方案，可让客户部署成本优化的深度学习解决方案。
数据增强
深度学习的原理是通过训练神经网络，使其学会对一组参考图像进行分类。该过程的性能在很大程度上取决于参考图像集的代表性和全面性。 “深度学习套件”实现了“数据增强”功能，即在可编程的范围内通过修改（例如平移、旋转、缩放）现有参考图像来生成额外的参考图像。这使得“深度学习套件”仅需每类一百张训练图像即可运行。
性能
深度学习通常需要大量的处理能力，尤其是在学习阶段。深度学习套件支持标准 CPU，并能自动检测电脑中与 Nvidia CUDA 兼容的 GPU。使用单张 GPU 通常可将学习和处理阶段的速度提升 100 倍。
其他福利
Neo 许可系统
Neo 是一款全新的授权系统。它可靠且技术先进，现已支持存储 eVision 和 eGrabber 授权。Neo 允许您选择在 Neo 加密狗还是 Neo 软件容器中激活授权。您先购买授权，稍后再决定。
Neo 加密狗采用坚固耐用的硬件设计，并支持在不同计算机之间灵活转移。Neo 软件容器则无需专用硬件，而是与激活它的计算机绑定。
Neo 随附专用的 Neo 许可证管理器，该管理器提供两种使用方式：直观易用的图形用户界面（GUI），以及可轻松实现 Neo 许可证流程自动化的命令行界面（CLI）。
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
样本数据集：织物缺陷检测
我们的“织物”样本数据集展示了EasySegment的无监督模式如何仅凭少量优质训练样本，在未知预期缺陷类型的情况下实现织物缺陷的检测与分割。此外，该无监督模式还能通过复核并导入其结果作为真实标签，从而简化监督模式所需的预期分割标注工作。
样本数据集：异物检测与分割
我们的“咖啡”样本数据集展示了EasySegment的监督模式如何高效检测并分割生产线上的异物，即使这些异物的颜色和纹理与目标产品极为相似。
eVision 深度学习工作室
eVision 包含免费的 Deep Learning Studio 应用程序。该应用程序可在用户创建数据集以及对深度学习工具进行训练和测试时提供协助。对于 EasySegment，Deep Learning Studio 集成了标注工具，并能将预测结果转换为 ground truth 标注。此外，它还支持通过图形化界面配置工具，以满足性能要求。 例如，在训练完成后，用户可以在更高的缺陷检测率和更高的良品检测率之间进行权衡。
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
