EasyLocate
深度学习定位与分类库
- 物体/产品/缺陷的定位与识别
- 物体计数
- 轴对齐边界框
- 兴趣点
- 支持数据增强与遮罩
- 兼容CPU与GPU处理
- 包含深度学习工作室，用于数据集创建、训练与评估
- 作为深度学习套装的一部分提供
- 另提供经济高效的纯推理许可证
描述
-
EasyLocate 是深度学习套件中的定位与识别库，用于在图像中定位和识别物体、产品或缺陷。该库具备区分重叠物体的能力，因此适用于统计物体实例数量。提供两种方法：
-
“EasyLocate 轴对齐边界框”可预测图像中每个物体（或缺陷）的包围边界框，并为其分配类别标签。训练时需使用已标注边界框和类别标签的目标物体（或缺陷）图像。
-
“EasyLocate兴趣点”预测图像中每个物体（或缺陷）的位置（通常为中心点，也可另行定义），并为其分配类别标签。 图像中所有目标（或缺陷）必须具有近似相同尺寸。训练时需使用标注有兴趣点和类别标签的目标（或缺陷）图像。采用EasyLocate兴趣点标注时，单次点击即可完成目标标注，显著提升标注效率。
-
什么是深度学习？
神经网络是一种受构成人类大脑的生物神经网络启发的计算系统。卷积神经网络（CNN）是一类深度前馈人工神经网络，最常应用于图像分析。深度学习利用大型卷积神经网络来解决那些使用所谓的传统计算机视觉算法难以甚至无法解决的复杂问题。 深度学习算法通常通过示例学习，因此可能更易于使用。它们不需要用户自行摸索如何对零件进行分类或检测。相反，在初始训练阶段，只需向其展示大量待检测零件的图像，它们便能自动学习。成功训练后，即可用于对零件进行分类，或检测和分割缺陷。
高性价比的推理许可证
通常，在生产线上部署深度学习仅需进行推理处理。推理是指利用预先训练好的模型对新获取的图像进行检测和分析的过程。在大多数情况下，训练是一个离线过程。 训练可通过 eVision API 执行，并需要“深度学习套件”许可证。此外，也可以使用“深度学习工作室”应用程序免费进行训练。“仅推理”许可证是“深度学习套件”许可证的替代方案，可让客户部署成本优化的深度学习解决方案。
数据增强
深度学习的原理是通过训练神经网络，使其学会对一组参考图像进行分类。该过程的性能在很大程度上取决于参考图像集的代表性和全面性。 “深度学习套件”实现了“数据增强”功能，即在可编程的范围内通过修改（例如平移、旋转、缩放）现有参考图像来生成额外的参考图像。这使得“深度学习套件”仅需每类一百张训练图像即可运行。
性能
深度学习通常需要大量的处理能力，尤其是在学习阶段。深度学习套件支持标准 CPU，并能自动检测电脑中与 Nvidia CUDA 兼容的 GPU。使用单张 GPU 通常可将学习和处理阶段的速度提升 100 倍。
样本数据集：电子元件
我们的“电子元件”数据集展示了EasyLocate边界框技术如何在光线不足的条件下，仍能可靠地检测并计数塑料袋内散装存储的各类标准电子元件。
样本数据集：陶瓷电容器
我们的“陶瓷电容器”数据集展示了EasyLocate兴趣点功能如何可靠地检测并计数大量相互重叠或接触的陶瓷电容器。
其他福利
Neo 许可系统
Neo 是一款全新的授权系统。它可靠且技术先进，现已支持存储 eVision 和 eGrabber 授权。Neo 允许您选择在 Neo 加密狗还是 Neo 软件容器中激活授权。您先购买授权，稍后再决定。
Neo 加密狗采用坚固耐用的硬件设计，并支持在不同计算机之间灵活转移。Neo 软件容器则无需专用硬件，而是与激活它的计算机绑定。
Neo 随附专用的 Neo 许可证管理器，该管理器提供两种使用方式：直观易用的图形用户界面（GUI），以及可轻松实现 Neo 许可证流程自动化的命令行界面（CLI）。
适用于 Windows 和 Linux 的所有 eVision 库
- Microsoft Windows 11、10 适用于 x86-64（64 位）处理器架构
- Microsoft Windows 11、10 IoT Enterprise 适用于 x86_64 系统
- 适用于 x86-64（64 位）和 ARMv8-A（64 位）处理器架构的 Linux，需使用 glibc 2.18 及以上版本
eVision 深度学习工作室
eVision 包含免费的 Deep Learning Studio 应用程序。该应用程序可在用户创建数据集以及对深度学习工具进行训练和测试时提供协助。对于 EasySegment，Deep Learning Studio 集成了标注工具，并能将预测结果转换为 ground truth 标注。此外，它还支持通过图形化界面配置工具，以满足性能要求。 例如，在训练完成后，用户可以在更高的缺陷检测率和更高的良品检测率之间进行权衡。
Software
- Host PC Operating System
-
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.
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 eVision application
8 GB RAM to compile an eVision application
Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
- APIs
-
Supported programming languages :
The 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 eVision
Python requirements: Python 3.11 or later is required to use the Python bindings for 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
