Feature 매개변수와 샘플링 매개변수 설정

다른 도구들과 달리, Blue 위치을 사용할 때에는 각 뷰에 라벨링을 하기 전에 Features 매개변수와 샘플링 매개변수를 먼저 설정해야 합니다. 이는 이 매개변수들이 feature 라벨 크기를 포함한 여러 속성들에 영향을 미치기 때문입니다.

 

Feature 매개변수 설정

방향과 스케일 변화의 두 가지 feature 매개변수는 도구가 라벨 지정, 학습, 보고할 수 있는 feature의 자유도(DOF)를 제공합니다. 방향 및 크기를 활성화하면, 도구 트레이닝 도중 무한한 크기 및 회전 변화에 대한 허용 오차를 포함합니다. 이제 도구에 따르는 회전 및 크기의 구체적 범위는 런타임 속성에 따라 제어됩니다.

방향 및/또는 스케일 변화가 활성화되면, feature의 위치 및 ID에 추가해 방향 및/또는 크기를 일관되게 라벨 지정해야 합니다. 런타임 중에는, 각 feature의 방향 및 크기가 결정되고 보고되며, 사용자는 변동을 설명하기 위해 필요한 경우, 각도 범위 및 크기 범위 프로세싱 매개변수를 조정할 수 있습니다.

 

방향 있음

방향 설정은 라벨의 방향을 조정함으로써 수동으로 구성됩니다. 라벨의 핸들을 클릭하고 이를 원하는 방향으로 끌어 feature 라벨 그래픽의 방향을 조정하십시오. 각 feature 라벨을 회전함으로써 feature의 방향을 정확하게 라벨링 할 수 있도록 하십시오.

 

1. Features 매개변수에서 방향 매개변수를 선택하십시오.

   

   

    

2. 이미지 디스플레이 영역에서 feature를 선택하십시오. 붉은색 회전 토글 버튼이 나타납니다.

   

    

3. 토글을 클릭한채로 돌려서 feature를 회전시키십시오.

   

 

스케일 조정됨

스케일 변화가 활성화하면, 각 feature의 라벨을 feature의 크기로 지정합니다. 런타임에는, 검색할 feature 크기의 범위를 지정합니다. 스케일 변화가 활성화되면, feature 크기를 설정해 100% 크기의 feature 크기를 지시합니다. 런타임 크기 범위는 기본 feature 크기에 상대적으로 반환되는 feature 크기의 범위입니다. 또한 균일또는비균일 크기를 활성화할지 설정할 수도 있습니다.

 

스케일 변화 균일

균일 크기가 활성화되면 모든 feature 라벨은 동일한 형태(크기는 다를 수 있음)가 됩니다. feature의 라벨은 feature의 크기에 기초해 지정합니다. 이 도구의 런타임 작업 시에는, 찾을 것으로 기대하는 feature 크기의 범위를 사용자가 지정합니다.

 

스케일 변화 비 균일

비균일 크기(종횡비라고도 함)가 활성화되면, 사용자는 feature 크기를 설정해, X와 Y의 100% 크기를 독립적으로 지시하고 각 feature 인스턴스의 라벨을 고유의 종횡비로 지정합니다. 이는 다양한 형태 부품의 일정한 범위를 찾도록 단일 도구를 트레이닝할 때 유용합니다.

 

샘플링 매개변수 설정

Feature란 이미지 데이터에서 사용자가 중요하게 생각하는 픽셀, 혹은 사용자의 머신 비전 문제를 해결하여 특정한 목적을 달성하는 데 핵심적인 픽셀입니다. 예를 들어, Blue 위치 도구에서 feature는 뷰에 있는 어떤 객체의 경계, 색깔, 음영을 표현하는 픽셀일 수 있습니다.

 

Feature 샘플링 원리

Green 분류 도구의 Focused 모드, Red 분석 도구의 Focused 모드, Blue 위치 그리고 Blue 읽기 도구는 도구는 입력 이미지를 균일하게 샘플링하지 않습니다 (이미지 샘플링이 전체 이미지 범위를 포함하더라도). 트레이닝 중에는 이 도구들이 특별한 기법을 이용해, 네트워크에 추가적인 정보를 기여할 가능성이 크다고 판단된 이미지의 부분을 더 높은 비율로 샘플링합니다.

샘플 영역 주위의 정보 및 context 정보를 모두 이용해 네트워크 트레이닝을 수행하므로, 도구는 이미지의 가장자리에서 수집된 샘플에 큰 영향을 받을 수 있습니다. 이미지 내의 뷰를 이용할 경우, 뷰의 가장자리에서 수집된 샘플에 대한 context 정보는, 뷰 외부의 픽셀을 context 데이터로 이용할 것입니다.

1	Feature Size(Feature 크기)
2	Sample Region(샘플 영역)
3	Context Region(Context 영역)

샘플이 이미지 자체의 가장자리에 있다면, 도구는 context로 이용할 합성 픽셀을 생성합니다. 사용자는 마스크, 경계, 샘플 컬러 채널(각각 경계 유형, 컬러 이용)을 이용해 여기 이용되는 구체적인 방법을 제어할 수 있습니다.

또한 도구들을 쓸 때 샘플링 시 마스크를 적용할 수도 있습니다. 마스크 처리된 영역이 context로 프로세싱되는 경우라도, 사용자는 이를 통해 이미지의 일부를 명시적으로 제외할 수 있습니다.

마지막으로, 컬러 이미지(또는 다수의 평면 또는 채널이 있는 이미지)를 이용하는 경우, 어떤 채널을 샘플링할지 명시적으로 지정할 수 있습니다. 다수 채널을 사용하는 것은 트레이닝 및 프로세싱 시간에 큰 영향을 미치지 않지만, 컬러가 이미지에서 중요한 정보를 제공하는 경우 도구의 정확도를 높이는 데 도움이 됩니다.

 

샘플링 매개변수

Focused 모드 도구를 효과적으로 트레이닝하려면 Feature들이 어떤 모습, 속성을 띄는지 최대한 상세한 내용을 도구에 제공해야 합니다. 이는 샘플링 매개변수를 설정함으로 이루어집니다. Focused 도구는 뷰에서 픽셀 정보를 샘플링하는 특징 샘플러를 사용하며, 샘플링 매개변수를 설정하면 이 특징 샘플러에 샘플링해야 할 또는 하지 말아야 할 feature들 속성을 알려줄 수 있습니다.

 

샘플링 도구 매개변수는 트레이닝과 프로세싱 시 이미지를 샘플링하는 방법을 제어합니다.

매개변수	설명
Feature Size(Feature 크기)	전형적인 feature의 지름을 픽셀 단위로 지정합니다. Feature 크기 매개변수는 이미지의 좌측 하단에 그래픽으로 표시되며, 이미지 내에서 그래픽을 이용해 크기를 변경할 수 있어 더 정확한 크기를 지정할 수 있습니다. Feature 크기는 프로세싱 시간(n2)에 큰 영향을 미칩니다. Feature 크기가 100이면 10일 때에 비해 100배 빠르며, 15 이하의 feature 크기는 대개 좋은 결과를 얻지 못합니다. Feature 크기를 설정할 때, 프로세싱 시간(Ptime)에 대해 다음을 고려하십시오. Note: 도구는 실제로 feature 크기 설정의 5배 크기인 영역을 봅니다. 하지만, feature의 중심부는 주변부에 비해 상세화 정도가 매우 높습니다.
Detail(디테일)	Blue 위치 도구가 feature 라벨을 에워싼 영역에 비해 feature 그래픽 내 영역에 얼마나 집중할지를 지정합니다. 1부터 4까지의 값을 지정할 수 있습니다. 이 매개변수를 활성화하고 4로 설정하면, 해당 도구는 라벨이 지정된 feature 크기 그래픽의 내부 영역에 더욱 집중하며, 그래픽을 에워싼 context 영역은 제한적으로 강조합니다. 이 매개변수를 활성화하고 1로 설정하면, 해당 도구는 context과 라벨이 지정된 feature 크기 그래픽의 내부에 모두 집중하지만, 라벨 지정된 feature 크기 그래픽의 내부를 덜 강조합니다. 설정 2와 3은 1과 4의 양 극단 사이에 다양한 정도의 강조 정도를 지정합니다.
Color(컬러)	이미지를 샘플링할 때 이용할 컬러 채널의 수를 지정합니다. 1로 설정하면 컬러 이미지가 회색조로 변환됩니다. 이미지를 회색조로 처리 2채널 이미지(스펙트럴 이미지, 회색+알파) BGR 이미지 BGR(A) 이미지 Note: 이미지가 RGB(A)이면, 회색조로 변환됩니다. 계산 상의 효율(메모리 할당, 전송, 파일 저장, 색상 변환 등)을 위해, 항상 정확한 수의 채널로 설정하십시오. VisionPro Deep Learning 도구는 BGR channel 오더를 사용합니다. 응용 프로그램이 컬러 이미지에 의존하면, 가능한 한 최소의 필요 색상 채널을 이용하고, 이미 정확한 수의 채널을 갖고 있는 이미지만을 전송해 변환을 회피하십시오. 이는 다음 때문입니다. 이미지 채널 수 트레이닝 채널 수 설명 1(회색조) 1 회색조 이미지에 맞는 설정. 1 2, 3, 4 이는 트레이닝 오류를 만들 가능성이 매우 큽니다. 2 1 도구가 첫 번째 채널만을 이용합니다. 2 2 도구가 완전한 픽셀 정보를 이용합니다. 2 3, 4 이는 트레이닝 오류를 만듭니다. 3(BGR) 1 이렇게 하면 BGR이 회색조로 변환됩니다. 3 2 도구가 처음 두 채널(즉, B와 G)만을 이용합니다. 3 3 도구가 완전한 픽셀 정보를 이용합니다. 3 4 이는 트레이닝 오류를 만들 가능성이 매우 큽니다. 4(BGRA) 1 이렇게 하면 BGRA가 회색조로 변환됩니다. 4 2 도구가 처음 두 채널(즉, B와 G)만을 이용합니다. 4 3 도구가 처음 세 채널(즉, B, G, R)만을 이용합니다. 4 4 도구가 완전한 픽셀 정보를 이용합니다.
Border Type(경계 유형)	이미지 외부의 픽셀을 어떻게 샘플링할지 지정합니다. Tip: 이미지의 경계에 추가 마스크를 추가하면 오류 검출률이 크게 낮아집니다. Black:이미지 외부를 단색(검은색)으로 채웁니다. Replicate: 마지막 픽셀로 이미지 외부를 채웁니다.
Masking Mode(마스킹 모드)	샘플링된 이미지에 마스크를 어떻게 적용할지 지정합니다. 마스크는 도구가 처리하는 영역을 제한하기 위해 이용됩니다. Note: 마스크는 트레이닝 이후에 설정해도 되지만, 트레이닝 이전에 설정하면 학습 단계에 도움이 됩니다. Transparent: 샘플은 이미지 중 마스킹되지 않은 부분에서만 수집되지만, context 영역의 데이터는 마스킹된 부분에서도 수집됩니다. 이렇게 함으로써 마스크나 ROI의 경계에 있는 feature나 결함이 중심에 위치한 feature 또는 결함과 동일한 응답을 가져오게 됩니다. Mask:마스크를 이용하면 마스킹된 영역을 무시하게 됩니다. 마스킹된 픽셀은 모두 0으로 설정되어, 트레이닝 또는 런타임 중 이미지에서 마스킹된 부분의 데이터는 고려되지 않습니다. 하지만, 동시에 마스크 경계에 가까운 결함 또는 feature에 대한 도구의 반응이 달라집니다. 이 설정은 도구가 ROI의 중심에 집중하게 할 때도 이용됩니다. Overlay: 추가적인 컬러 채널로 샘플 이미지에 마스크를 적용합니다.

 

샘플링 매개변수 상세 정보: Feature 샘플링과 Feature 크기

Green 분류 도구의 Focused 모드, Red 분석 도구 Focused 모드, Blue 위치 그리고 Blue 읽기 도구는 사용자가 지정한 feature 크기에 의해 이미지를 분석합니다. 픽셀 단위로 지정되는 feature 크기는 input 이미지 안에 있는, "의미 있는" 또는 "독특한" feature의 크기 기대치에 대한 힌트를 도구에 줍니다. Feature 크기를 선택하는 최선의 방법은 인간 검사자인 것처럼 input 이미지를 검토하는 것입니다. 이미지 안의 feature는 이미지가 정상인지 불량인지 특징 짓기 위해, 또는 결함 또는 문제를 식별하거나, 어디에 무엇이 있고 그것이 무엇인지 결정하기 위해 이용한다는 점에 유념하십시오.

예를 들어, 항공기 그림을 엔진 수에 기초해 분류하고자 한다면, feature 크기는 항공기 엔진의 대략적인 크기에 기초하게 될 것입니다.

트레이닝과 런타임 모두, 해당 도구는 이미지 내 하부 영역의 픽셀과 해당 영역 주위의 context 정보에 부합하는 샘플을 이미지에서 수집할 것입니다. Context 영역은 대략 feature 크기의 5배입니다.

1	Feature Size(Feature 크기)
2	샘플 영역
3	Context Region(Context 영역)

 

Feature 크기 지정은 주관적 판단이지만, 몇 가지 구체적인 지침이 있습니다. Blue 위치 도구의 경우, feature 크기는 대략적으로 식별하는 개체의 크기와 같아야 합니다. 상이한 크기의 feature에 라벨을 지정할 경우에는, 절충적인 feature 크기를 선택하십시오.