EasyLocate

EasyFind : Significant speed increase, without any loss of accuracy.

EasyImage

• New Gabor filtering function to help with texture analysis and edge detection.
• New inverse circle warp function, providing conversion between polar and cartesian coordinates.

Deep Learning Studioへの標準データセットのインポート

• EasyLocateまたはEasySegment（教師あり）用のCOCO Jsonデータセットのインポート
• EasyLocate用のYOLO TXTアノテーションのインポート
• EasyLocate用のPascal VOC XMLアノテーションのインポート

• 関心領域のアライメント、表面欠陥検出（粒子、傷など）、およびカスタムでトレーニングされたDeep Learning分類器に適用される単一のAPIとライセンス。
• インライン表面検査のリアルタイム処理

Open eVisionには無償のDeep Learning Studioアプリケーションが含まれます。このアプリケーションは、データセットの作成やディープラーニングツールのトレーニングと検証においてユーザーを支援するためのツールです。Deep Learning StudioはEasySegmentにアノテーションツールを統合し、予測結果を正解アノテーションに変換することを可能にします。また、ツールを性能要件に合わせてグラフィカルに設定することも可能になります。たとえば、トレーニングの後で、より高い欠陥検出率とより高い合格検出率のどちらかを選択することができます。

• Microsoft Windows 11、10、8.1、7: x86-64（64ビット）プロセッサアーキテクチャ
• x86-64（64ビット）とARMv8-A（64ビット）プロセッサアーキテクチャ向けLinux、バージョン2.18以上のglibc

ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークからヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク (CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人工ニューラルネットワークの一種です。 ディープラーニングは、大規模なCNNを使って、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニングの始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレーニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになります。

ディープラーニングは、ある一連の基準画像の分類方法をティーチングするなど、ニューラルネットワークをトレーニングすることによって実施されます。プロセスのパフォーマンスは、その一連の基準画像がどれくらい典型的であり広域であるかという点に大きく左右されます。Deep Learning Bundleは、「データ拡大」を実装しており、それによって、プログラム可能な範囲で既存の基準画像を修正する (シフト、回転、拡大縮小など) ことで追加の基準画像を作りだしています。そのため、Deep Learning Bundleでは、分類ごとに必要となるトレーニング画像はわずか100件に抑えることができます。

ディープラーニングには、特に学習段階において、一般的に非常に高いプロセッシング能力が必要となります。Deep Learning Bundleは、標準的なCPUをサポートしており、PC内のNvidia CUDA対応GPUを自動的に検出します。通常、1つのGPUの使用によって、学習と処理の段階は100倍速くなります。

「Electronic Component」データセットには、劣悪な照明条件であっても、EasyLocate Bounding Boxがどれくらい確実に、プラスチック製の袋にまとめて保管されているさまざまな標準電気コンポーネントを検出し、計数できるかが示されています。

EasyLocateは、Deep Learning Bundleの位置検出および識別ライブラリで、画像内のオブジェクト、製品、または欠陥の位置を検出し、識別するために使用できます。重なり合うオブジェクトを区別する能力を備えているため、オブジェクトのインスタンスの数を数えるのに最適です。2つの手法を使用できます。

• 「EasyLocate Axis Aligned Bounding Box」は、画像内で検出された各オブジェクト（または欠陥）を囲むボンディングボックスを予測し、各ボンディングボックスにクラスラベルを割り当てます。検出される必要のあるオブジェクト（または欠陥）にボンディングボックスとクラスラベルが付けられている画像を使ってトレーニングする必要があります。
• 「EasyLocate Interest Point」は、画像内で検出された各オブジェクト（または欠陥）の位置（1つのポイント、通常は中心としての位置だが、そうでない場合は定義）を予測し、それぞれの位置にクラスラベルを割り当てます。画像内のすべてのオブジェクト（または欠陥）には、同じ近似サイズがある必要があります。検出される必要のあるオブジェクト（または欠陥）に関心点とクラスラベルで単純にアノテーションが付けられている画像を使ってトレーニングする必要があります。アノテーション付けのプロセスは、1回のクリックで十分にオブジェクトにアノテーションを付けられる EasyLocate Interest Pointを使うとさらに素早く行えます。

• Deep Learning Bundleは、特にマシンビジョン用途での画像解析を念頭に、調整、パラメーター化、および最適化されています。
• Deep Learning BundleのAPIは単純であるため、数行のみのコードでディープラーニング技術の性能を活用できます。
• ご購入前にお試しください: Deep Learning Bundleには、Deep Learning Studioトレーニング・評価アプリケーションが同梱されています。

「Ceramic Capacitor」データセットには、EasyLocate Interest Pointがどれくらい確実に、多数の重なり合うまたは接触するセラミックキャパシターを検出し、係数できるかが示されています。

• Neoは、Euresysの新しいライセンス管理システムです。信頼性が高く最新式のNeoは、Open eVisionとeGrabberのライセンスの保管にもりようできるようになりました。
• Neoでは、NeoドングルまたはNeoソフトウェアコンテナーの2通りから、ライセンスを有効化する手段を選ぶことができます。ライセンスを購入してから、お選びください。
• 頑丈なハードウェアで提供されるNeoドングルでは、1台のコンピューターから別のコンピューターにライセンスを移動できる柔軟性が備わっています。
• Neoソフトウェアコンテナーは、専用のハードウェアを使用する代わりに、ライセンスを有効化したコンピューターにリンク付けられます。
• Neoには2種類の操作が可能な専用のライセンスマネージャーが付属しています。直感的に操作できるグラフィカルユーザーインターフェイスと、Neoによるライセンス管理の自動化を容易に行えるコマンドラインインターフェイスのどちらででも作業が可能です。