Open eVision Deep Learning Studio

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.

Die umfassenden Datenaugmentationsfunktionen von EasyClassify, EasySegment und EasyLocate sind in Deep Learning Studio verfügbar. Richten Sie die Augmentationen von geometrischen, Farb- und Rauschdaten ein und überprüfen Sie dann die Ergebnisse für den Trainingsdatensatz.

In Deep Learning Studio ist ein Annotationstool integriert, mit dem Sie die Ground-Truth-Segmentierungsmaske zeichnen können, die für den überwachten Modus von EasySegment erforderlich ist. Mit Deep Learning Studio kann auch die vorhergesagte Segmentierung importiert werden, die mit einem beliebigen EasySegment-Tool als Ground-Truth-Annotation berechnet wurde. Dies vereinfacht und beschleunigt den Annotationsprozess Ihrer Datensätze.

Deep Learning Studio supports all the features of the classification (EasyClassify), segmentation (EasySegment) and localization (EasyLocate) libraries.

Die Parameter der Tools wie die Eingangsauflösung oder das Gerät, auf dem das neuronale Netz ausgeführt wird (CPU oder eine oder mehrere GPUs) lassen sich ganz einfach konfigurieren.

Der Validierungsprozess wird für jede Bibliothek angepasst, sodass die Daten optimale Ergebnisse liefern.

Im Trainingsprozessfenster wird die Entwicklung der Messwerte angezeigt, die zur Bewertung der Genauigkeit des Modells verwendet werden. Das Training wird auf einer CPU oder GPU ausgeführt und kann jederzeit unterbrochen und wieder fortgesetzt werden.

In Deep Learning Studio können Regionen und Masken allgemein oder pro Bild bearbeitet werden. Mit diesen Funktionen kann das Training auf bestimmte Bereiche von eingehenden Bildern beschränkt werden.

Die Ergebnisse des Trainings können Sie mit einem umfassenden Toolset und Diagrammen analysieren und erkunden. Konfusionsmatrix, Score-Histogramm und ROI-Kurve sind nützlich, um die Stärken und Schwächen des trainierten Modells zu verstehen.