ディープラーニングスタジオのプロジェクトは、データセットと作成したディープラーニングツールを管理します。プロジェクトはディープラーニングツール（EasyClassify、EasySegment Unsupervised、EasySegment Supervised、またはEasyLocate）のいずれかと関連付けられ、それらの全機能をサポートします。

プロジェクト内では、任意の数のツールを作成できます。これにより、ツールのパラメータ、データセットの異なる分割方法、データ拡張設定などを容易に試行できます。

Deep Learning Studioでは、データセットをトレーニングセット、検証セット、テストセットに分割できます。複数のデータセット分割を作成し、異なる画像セットで訓練したツールの性能を実験・検証できます。

データセット分割はランダムに作成することも、各画像のセットを手動で選択することも可能です。

Deep Learning Studioでは、EasyClassify、EasySegment、EasyLocateの豊富なデータ拡張機能を利用できます。幾何学的、色、ノイズデータ拡張を調整し可視化します。異なるデータ拡張設定セットを作成し、結果への影響を実験できます。

ツールタブでは、ツールの設定とトレーニングが可能です。CPUまたはGPU上で動作し、トレーニングはいつでも停止・再開できます。処理キューにより、必要な数のトレーニングを起動できます。トレーニングと推論の操作はキューに入れられ、順次処理されます。

検証プロセスは各ライブラリごとにカスタマイズされ、データから最大限の価値を引き出せます。トレーニング結果を分析・探索するための包括的な指標、表、グラフが用意されています。

表や混同行列により結果をフィルタリングし、学習済みモデルの長所と短所を理解できます。スコアヒストグラムとROI曲線は閾値の選択や、学習済みモデルをニーズに合わせて調整するのに有用です。

Deep Learning Studioは、各ライブラリに適応したアノテーションツールを統合しています。分類および教師なしセグメンテーションでは、各画像に素早くラベルを割り当てられます。教師ありセグメンテーションでは、セグメンテーションエディタを使用して真値セグメンテーションを描画できます。位置特定では、オブジェクトエディタを使用して各オブジェクトの周囲にバウンディングボックスを素早く描画できます。

画像エディタでは、関心領域を選択し、画像の一部をマスクすることも可能です。

アノテーション作業を容易にし、迅速化するための支援セグメンテーションツール。