VisionPro Deep Learning のワークフロー
-
画像の収集
コントラストが重要な標準のマシンビジョンアプリケーションにおける画質のベストプラクティスに従ってください。
画像内で、欠陥と特徴は人間が識別できる必要があります。
一貫した照明、ワーキングディスタンス、カメラのトリガータイミングなど、考えられるすべての変数をコントロールします。
-
ラベル
これにより、ツールの教師データ、つまり良/不良、関心のある特徴、文字の種類、画像内にあるものの種類が決定されます。
すべてのビューにラベルを付けることが重要であり、ラベル付けは正確である必要があります。
注 : 詳細については、「ラベル付け」のトピックを参照してください。 -
ツールのパラメータの設定
Deep Learning ツールのパラメータは、ネットワークが画像を学習および処理する方法を調整します。
調整する最も一般的なツールパラメータは次のとおりです。
- 特徴のサイズ/パッチサイズ
- 学習セット
- 摂動パラメータ
- サンプリング密度
通常、パラメータのデフォルト設定は、ほとんどの画像セットに対して適切に機能します。最初に、特徴のサイズ以外のパラメータを調整せずに学習を試してください。
注 : ツールのパラメータの詳細については、「VisionPro Deep Learning ツールのパラメータ」のトピックを参照してください。 -
学習
学習の鍵は、学習セット内に発生する可能性のすべてのバリエーションを含め、画像に正確にラベルを付けることです。
学習時間は、アプリケーション、ツールのセットアップ、およびネットワークの学習に使用されている PC の GPU によって異なります。
-
マーキングの確認
マーキングは、各画像の Deep Learning の結果を表し、ツールごとに固有のグラフィック表現があります。
ラベルは開発者によって生成されます。マーキングは Deep Learning によって生成されます。
-
結果の検証
追加のツールの結果は、データベースの概要 パネルに表示されます。各ツールのこのパネルには、ツールの処理時間、得点、およびその他の統計分析が含まれます。
注 : 詳細については、「統計」のトピック参照してください。