ディープラーニングについて

ディープラーニングとは、「データの特性を学習することで問題を解決する」ことを意味します。

認識する対象物の画像を撮影し（取得した画像は 「データ」 と呼ばれる）、画像上で認識する特性をマークし、（このプロセスは 「ラベリング」 と呼ばれる）、Mech-DLKで画像とラベリングを使用することで物体の特性を学習してルールを要約して（このプロセスは 「トレーニング」 と呼ばれる）、結果（ファイルで表示され、 「モデル」 と呼ばれる）を取得します。認識を実行するために、この結果を「データ」と類似した実際プロジェクトに応用（ 「予測」 と呼ばれる）します。

ディープラーニングを通じて以下のことを実現できます。

Mech-Mind株式会社のディープラーニング製品は様々な問題を解決するソリューションを提供しています。

	インスタンスセグメンテーション	画像分類
代表的なプロジェクト	紙箱、麻袋、通い箱のデパレタイジング・パレタイジング ワークのロードとアンロード 商品仕分け 宅配便小包仕分け ...	ロードとアンロード作業にワークの種類、サイズ、向きなどを認識 組み立てと把持作業に物体が正しく配置されているかどうかを判断 紙箱、麻袋のデパレタイジング・パレタイジング作業に箱の色を区別 ...
プロジェクトの特徴	位置決め 分類	分類

注意

ディープラーニングのアルゴリズムには、それぞれの強みがあり、互いに矛盾することはありません。プロジェクトの応用シーンと現場のニーズに応じて一つだけのアルゴリズムを使用するか、複数のアルゴリズムを使用してください。

ディープラーニングのプロセスは通常、以下5つのステップがあります。

ステップ1 環境インストール：詳しくは、 環境構成 をご参照ください。

ステップ2 データ準備：データを取得、ラベリング、およびチェックします。

1.実際の応用シーンと同様の条件でディープラーニングに必要な画像データを取得します。

2.プロジェクトの要件に応じてアルゴリズムを選択し、ルールに従ってデータセットをラベリングします。

3.ラベリングが誤ったデータがあるかどうかをチェックします（Mech-DLKを使用すればトレーニングに必要なデータセットを効率的に準備できます）。

Mech-DLK データラベリング

ステップ3 モデルトレニンーグ：ラベリングしたデータを使って、Mech-DLKで必要なディープラーニングモデルをトレーニングします。詳しくは、 クイックスタート をご参照ください。

Mech-DLK ディープラーニングモデルをトレーニング

ステップ4 効果評価：事前に準備したテストセットを使用してモデルの効果が要件を満たしているかどうかを評価します。

ステップ5 予測：ユーザーは、評価されたモデルをプロジェクトの新しい画像に応用できます。