更新説明
Mech-DLK 2.6.2 更新説明
以下では、Mech-DLK 2.6.2 バージョンの新機能や機能最適化について説明します。
新機能
画像をインポートする時に重複画像処理とタグ追加
-
モジュールに画像をインポートする時、重複画像が自動検出されてウィンドウに表示されます。このウィンドウでは重複画像の処理(スキップや交換)を指定することができます。
-
また、すばやく画像にタグを追加することができます。画像の古いタグを保持することも、新しいタグに切り替えることも可能です。
モデル検証後の情報確認
-
モデル検証後、詳細な検証結果を確認できます。以下の内容が確認できます。
-
カーソルを画像の欠陥に合わせると、その欠陥の検証結果が表示されます。
-
検証パネルの詳細レポートをクリックして詳細なレポートウィンドウが表示され、数と検証時間の統計、またラベル付け結果マッチングの表などが詳しく確認できます。さらに、これらの情報はレポートをエクスポートをクリックするとローカルに保存することが可能です。その内、ラベル付け結果マッチングは、手動で追加したラベルと検証(推論)の結果のマッチング結果を示しており、表の数値をクリックすればメイン画面では画像リストにある対応する画像が選出されてより直感的にモデルのトレーニング効果を評価できます。
-
欠陥セグメンテーションの複数クラス対応
-
欠陥セグメンテーションモジュールを使用するときに、複数のクラスを作成して異なる欠陥に異なるラベルを付けることができます。ラベル付けパネルで新規作成することができます。
機能最適化
パス設定最適化
-
多言語に対応・空でないフォルダーに対応
-
プロジェクト新規作成、開く、保存の際に多言語のパス名に対応できるようになりました。画像やデータセット、レポート、ラベルなどをエクスポートする際にも多言語のパス名を使用できます。日本語、中国語簡単時や繁体字、英語、ドイツ語、韓国語に対応可能です。
-
プロジェクト新規作成時に空くフォルダではなくてもいいです。指定されたフォルダには新規プロジェクトのフォルダ(プロジェクトと同名)が自動に作成されます。
-
過去バージョンの更新説明
クリックしてMech-DLK 2.6.x の更新説明をお読みください。
クリックしてMech-DLK 2.5.x の更新説明をお読みください。
クリックしてMech-DLK 2.4.x の更新説明をお読みください。
Mech-DLK 2.4.2 更新説明
ソフトウェア使用の地域制限を設けました。
をクリックして地域制限の情報を確認してください。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。
-
マスクを全部の画像に適用可能、マスクの色を編集可能
「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。
-
一枚に適用:今表示されている画像にのみマスクを適用します。トレーニング中にのみ有効です。
-
全部に適用:今作成したマスクをすべての画像に適用します。トレーニング中も検証中も有効です。
-
-
ショートカット説明ウィンドウ
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。
-
長方形ツール描画補助線
「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。
-
検証結果の信頼度とフィルタリング
「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。
機能最適化
-
画像分類アルゴリズム
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 の最適化
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。
-
すばやく位置決めモジュールに並進機能を追加
「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。
-
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。
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。データの種類選択オプション:「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。
-
-