更新説明
Mech-DLK 2.4.1 更新説明
新機能
モジュールの接続
Mech-DLK 2.4.1 バージョンに、モジュールの接続機能を追加しました。ユーザーは実際のニーズに応じて自由にモジュールを接続する(ただし「すばやく位置決め」モジュールは最初に配置しなければならない)ことでより複雑な課題を解決できます。例えば、欠陥を位置決めして分類するプロジェクトでは、「欠陥セグメンテーション」モジュールの後に「画像分類」モジュールを接続すればいいです。また、前のモジュールからデータをインポートして使用することも可能です。インポートする時、データ選択機能により、使用したい画像だけをインポートできます。
トレーニングセンター
トレーニング待機機能を追加しました。トレーニングセンターウィンドウにはトレーニング中のプロジェクトとトレーニング待機プロジェクトが表示されます。複数のモデルをトレーニングする現場に適しています。待機リストの順番に従ってトレーニングします。次のプロジェクトをトレーニングするために手動で操作する必要がなく、時間の削減が図れます。
機能の最適化
Mech-DLK SDK の最適化
Mech-DLK SDK を再構築しました。より安定的に、かんたんに使用できます。 Mech-DLK SDK は接続されたモジュールの推論、ハードウェアの切り替えをサポートするほか、より多くのサンプルプログラムを提供しています。
欠陥判定ルールの設定
「欠陥セグメンテーション」モジュールの「欠陥判定ルール設定」ウィンドウを最適化しました。クリック して詳しい説明をお読みください。
過去バージョンの更新説明
クリックしてMech-DLK 2.3.0 の更新説明をお読みください。
Mech-DLK 2.3.0 の更新説明
-
グラフィックカードドライバーの更新
Mech-DLK 2.3.0 バージョンのソフトウェアを使用する前に、グラフィックカードドライバーを 472.50 以上にアップグレードしてください。
-
トレーニングの速度の向上
アルゴリズムを最適化し、モデルトレーニングの速度を向上させました。トレーニングを実行中、最適なモデルだけを保存します。トレーニングを途中で中止することはできません。
-
新機能‐スマートラベル付けツール
「欠陥セグメンテーション」、「インスタンスセグメンテーション」、「対象物検出」モジュールでは、スマートラベル付けツールを使用し、ラベル付け対象物の中心位置をクリックすればラベル付けをすばやく実行できます。不要な領域を右クリックすれば削除できます。Enter をクリックしてラベル付けを完成します。
-
新機能‐ポリゴンのラベル付けアンカーポイントの追加・削除
「インスタンスセグメンテーション」と「対象物検出」モジュールでは、ポリゴンラベル付けツールを使用してラベルを付けたあと、ラベルを修正したい場合、二つのアンカーポイント間の線をクリックすればアンカーポイントを追加でき、アンカーポイントを選択して右クリックすれば削除できます。
-
新機能‐ラベル付けのテンプレートツール
「インスタンスセグメンテーション」と「対象物検出」モジュールでは、テンプレートツールを使用して付けたラベルをテンプレートに設定することができます。設定後、クリックすればラベルを付けることができます。これは、画像に同じカテゴリーの複数の対象物があり、かつ整列して並んでいるシーンに適用され、ラベル付けの効率向上に役立ちます。
-
新機能‐画像の拡大・縮小プレビュー
単一の画像とトリミングされた画像のプレビューが可能です。
-
最適化‐グリッド線ツール
グリッド線ツールを最適化しました。グリッド線を描いたあと、グリッド選択ツールに切り替えて分割した部分の左のチェックを入れて選択することができ、右のアイコンをクリックするれプレニューすることができます。
-
最適化‐データのフィルタリング
結果タイプのフィルタリング機能を追加します。「正しい結果」、「間違った結果」、「過検出」、「見逃し」などのラベルによってデータをフィルタリングできます。「OK ラベル付き画像」と「NG ラベル付き画像」を追加しました。
-
最適化‐ディープラーニング環境を内蔵
ディープラーニング環境を Mech-DLK に内蔵していますので、環境をインストールする必要はありません。
クリックしてMech-DLK 2.2.1 の更新説明をお読みください。
Mech-DLK 2.2.1 更新説明
-
新機能‐「画像分類」モジュールの CAM 表示
モデルトレーニング後、CAM を表示 をクリックしたらヒートマップで特徴の重みを確認し、これに基づいて分類を行います。エリアの色が赤いほど、このカテゴリに分類される過程での重みが大きくなります。
-
新機能‐CPU で推論を実行するモデルの検証とエクスポート
-
画像分類、対象物検出:トレーニングが完了したら、モデルをエクスポートする前に推論を展開するデバイス をCPU または GPU に設定できます。
-
インスタンスセグメンテーション:モデルをトレーニングする前に、トレーニングパラメータで推論を展開するデバイスをCPUまたはGPUに設定できます。詳しくは以下の通りです。
-
CPU 軽量モデル:トレーニングする前に、トレーニングパラメータの モデルタイプ を 軽量(CPUを推奨) に設定し、モデルをエクスポートする時に 展開するデバイス を CPU または GPU に設定します。
-
GPU 標準モデル:トレーニングする前に、トレーニングパラメータの モデルタイプ を 標準(GPUを推奨) に設定し、モデルをエクスポートする時に 展開するデバイス を GPU に設定します。
-
-