易定位
深度學習定位與分類函式庫
- 物體/產品/缺陷的定位與識別
- 物體計數
- 軸對齊邊界框
- 興趣點
- 支援資料擴增與遮罩
- 相容於 CPU 與 GPU 處理
- 內含深度學習工作室，用於資料集建立、訓練與評估
- 作為深度學習套件的一部分提供
- 另提供經濟實惠的純推論授權
描述
-
EasyLocate 是深度學習套件中的定位與識別函式庫，用於在圖像中定位及識別物體、產品或缺陷。其具備區分重疊物體的能力，因此適用於計數物體實例數量。提供兩種方法：
-
「EasyLocate 軸對齊邊界框」會預測影像中每個物體（或缺陷）的邊界框位置，並為其分配類別標籤。此方法需使用已標註邊界框與類別標籤的目標物體（或缺陷）影像進行訓練。
-
「EasyLocate 興趣點」預測影像中每個物體（或缺陷）的位置（以單點表示，通常為中心點，亦可另行定義），並為其分配類別標籤。 圖像中所有物體（或缺陷）必須具備相近尺寸。訓練時需使用標註有興趣點與類別標籤的目標物體（或缺陷）圖像。採用EasyLocate興趣點標註時，僅需單次點擊即可完成標註，大幅提升標註效率。
-
何謂深度學習？
神經網路是受構成人類大腦的生物神經網路啟發而發展出的計算系統。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。深度學習運用大型卷積神經網路來解決那些難以或無法透過傳統電腦視覺演算法處理的複雜問題。 深度學習演算法通常透過範例學習，因此可能更易於使用。使用者無需自行構思分類或檢測零件的方法，只需在初始訓練階段展示大量待檢測零件的圖像，系統便能自動學習。成功訓練後，即可運用其進行零件分類、缺陷檢測與分割。
經濟實惠的推論授權
通常，在生產現場部署深度學習僅需執行推論處理。 推論是指運用預先訓練的模型來檢視、分析新取得影像的過程。在多數情境中，訓練屬於離線流程。訓練可透過Open eVision API執行，並需取得深度學習套件授權。此外，亦可免費使用深度學習工作室應用程式進行訓練。僅推論授權作為深度學習套件授權的替代方案，能協助客戶部署成本優化的深度學習解決方案。
資料擴充
深度學習的運作原理是透過訓練神經網路，使其學會如何分類一組參考圖像。此過程的效能高度取決於參考圖像集的代表性與完整性。深度學習套件採用「資料擴增」技術，能在可編程的限制範圍內，透過修改現有參考圖像（例如平移、旋轉、縮放）來生成額外參考圖像。此機制使深度學習套件得以僅使用每類別一百張訓練圖像即可運作。
表現
深度學習通常需要龐大的運算能力，尤其在學習階段。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。使用單張GPU通常可將學習與處理階段的速度提升100倍。
樣本資料集：電子元件
我們的「電子元件」數據集展示了EasyLocate邊界框技術如何在光線不足的環境下，仍能可靠地偵測並計數存放於塑膠袋內的大量標準電子元件。
樣本資料集：陶瓷電容器
我們的「陶瓷電容器」數據集展示了EasyLocate興趣點功能如何可靠地偵測並計數大量相互重疊或接觸的陶瓷電容器。
其他福利
新授權系統
Neo 是全新的授權系統。它具備可靠性與尖端技術，現已可用於儲存 Open eVision 與 eGrabber 的授權。Neo 允許您選擇授權的啟用位置，無論是 Neo 硬體授權卡或 Neo 軟體容器皆可。您先購買授權，後續再決定啟用方式。
Neo 硬體授權器具備堅固耐用的硬體結構，可靈活在不同電腦間轉移使用。Neo 軟體授權容器則無需專用硬體，而是與其啟用所在的電腦綁定。
Neo隨附專屬的Neo授權管理器，提供兩種操作模式：直覺易用的圖形化使用者介面，以及可自動化執行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
開啟eVision深度學習工作室
Open eVision 包含免費的 Deep Learning Studio 應用程式。此應用程式在使用者建立資料集以及訓練與測試深度學習工具時提供協助。針對 EasySegment，Deep Learning Studio 整合了標註工具，能將預測結果轉化為地面真實標註。它還允許使用者透過圖形化配置工具以符合性能需求。例如，訓練完成後，使用者可選擇在更優異的缺陷檢測率與更優異的良品檢測率之間取得平衡。
Software
- Host PC Operating System
-
Open 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.
Open 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 Open eVision application
8 GB RAM to compile an Open eVision application
Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
- APIs
-
Supported programming languages :
The Open 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 Open eVision
Python requirements: Python 3.11 or later is required to use the Python bindings for Open 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
-
PC4189 Open EasyLocate for USB dongle
PC4339 Open eVision EasyLocate
PC4194 Open EasyLocate Inference for USB dongle
PC4344 Open eVision EasyLocate Inference
- Related products
-
PC4182 Open Deep Learning Bundle for USB dongle
PC4332 Open eVision Deep Learning Bundle