Open eVision Deep Learning Studio

• Barcode grading with EasyBarCode2
• Benchmarking tool in Deep Learning Studio
• Learn feature for EasyMatrixCode
• Detect damaged data matrix codes
• Grading and better decoding for EasyBarCode
• Speed improvements for EasyMatch

• A new code reader tool ECodeReader allowing to read multiple code types from a single integrated interface
• Deep Learning Studio is now available on Linux ARM-64 platforms
• Neural Network “engines” allow additional devices support (OpenVINO, Tensor RT) and increased speed.
• EasyBarCode2 now supports learning from images to improve its capabilities on similar images.

Auf der Tools-Registerkarte können Sie Ihre Tools konfigurieren und trainieren. Das Training wird auf einer CPU oder GPU ausgeführt und kann jederzeit gestoppt und wieder fortgesetzt werden. Dank der Verarbeitungswarteschlange können Sie beliebig viele Trainings starten. Die Trainings- und Inferenzvorgänge werden in eine Warteschlange gestellt und einer nach dem anderen verarbeitet.

• Segmentierungstool mit Assistenzfunktionen für einfachere und schnellere Annotationen.

Open eVision Deep Learning Studio ist eine Anwendung, die dem Nutzer bei der Erstellung von Datensätzen sowie beim Trainieren und Testen der Deep-Learning-Tools von Open eVision hilft.

Open eVision Deep Learning Studio ist kostenlos und erfordert keine Lizenz. Sie können damit die Deep-Learning-Bibliotheken mit Ihren eigenen Bildern testen. Keine Programmierung erforderlich.

Klicken Sie einfach auf OPEN EVISION DEEP LEARNING STUDIO HERUNTERLADEN und installieren Sie anschließend Open eVision. Beispielbilder, Handbücher und Beispielprogramme sind enthalten.

Mit Deep Learning Studio können Sie Ihren Datensatz in Trainings-, Validierungs- und Testsätze aufteilen. Sie können mehrere Datensatzaufteilungen erstellen, um zu experimentieren und die Leistung der mit verschiedenen Bildsätzen trainierten Tools zu überprüfen.

Sie können Datensatzaufteilungen per Zufall erstellen oder manuell den Satz des jeweiligen Bildes auswählen.

Der Validierungsprozess wird für jede Bibliothek angepasst, sodass Ihre Daten optimale Ergebnisse liefern. Die Ergebnisse des Trainings können Sie mit einem umfassenden Satz an Kennzahlen, Tabellen und/oder Diagrammen analysieren und erkunden.

Mithilfe von Tabellen und Konfusionsmatrizen können Sie Ihre Ergebnisse filtern, um die Stärken und Schwächen der trainierten Modelle zu analysieren. Score-Histogramme und ROI-Kurven sind nützlich, um Schwellenwerte zu bestimmen und trainierte Modelle Ihren Anforderungen anzupassen.

Ein Deep Learning Studio-Projekt verwaltet Ihren Datensatz und die von Ihnen erstellten Deep-Learning-Tools. Ein Projekt ist mit einem der Deep-Learning-Tools (EasyClassify, EasySegment" target="_blank">EasySegment Unsupervised, EasySegment" target="_blank">EasySegment Supervised oder EasyLocate) verknüpft und unterstützt alle seine Funktionen.

Innerhalb eines Projekts können Sie beliebig viele Tools erstellen. So können Sie ganz einfach mit den Parametern der Tools, verschiedenen Aufteilungen des Datensatzes oder Einstellungen der Datenaugmentation experimentieren.

Die umfassenden Datenaugmentationsfunktionen von EasyClassify, EasySegment und EasyLocate sind in Deep Learning Studio verfügbar. Augmentationen von geometrischen, Farb- und Rauschdaten können noch weiter angepasst und visualisiert werden. Sie können verschiedene Sätze mit Einstellungen für die Datenaugmentation erstellen, um herauszufinden, wie diese die Ergebnisse beeinflussen.

In Deep Learning Studio sind Annotationstools integriert, die an die jeweilige Bibliothek angepasst sind. Zur Klassifizierung und unüberwachten Segmentierung können Sie jedem Bild schnell Kennzeichnungen zuweisen. Zur überwachten Segmentierung können Sie mit dem Segmentierungseditor die Ground-Truth-Segmentierung zeichnen. Zur Lokalisierung können Sie mit dem Objekteditor schnell den umschließenden Quader um die jeweiligen Objekte zeichnen.

Mit dem Bildeditor können Sie auch Regionen von Interesse auswählen und Teile vom Bild maskieren.