更新説明

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。

「欠陥セグメンテーション」モジュールのマスクツールは、「全部に適用」と「一枚に適用」を選択可能です。

ラベル付け画面の右下の をクリックしてショートカット説明ウィンドウを開きます。

「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、「長方形ツール」に描画補助線機能を追加し、よりかんたんに長方形ラベルを作成できるようになりました。

「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、信頼度によってフィルタリングする機能を追加し、モデルの正確率を評価することが可能になりました。

画像分類アルゴリズムを最適化しました。トレーニングの収束がより速くなり、複雑な現場のモデルの正確率は約 20% 向上します。

Mech-DLK SDK を再構築し、安定性をアップし、よりかんたんに使用できるようにしました。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。

「すばやく位置決め」モジュールでは、「テンプレート設定」ウィンドウに「画像調整」機能に並進機能を追加し、画像を X/Y 方向に沿って並進することが可能になりました。トレーニングされた画像はユーザー指定の位置と角度で出力されます。

「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、テンプレートを選択してから Shift を押したままマウスホイールを回転させるか、「回転角度」を設定することでテンプレートの角度を調整できます。

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。

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。

「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。

「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。

「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。

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。

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。

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。

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。

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。