업데이트 설명
Mech-DLK 3.0.0 업데이트 설명
본 절에서는 Mech-DLK 3.0.0 버전의 신규 기능과 기능 최적화를 소개합니다.
신규 기능
트리 구조 알고리즘 모듈 구축
트리 구조 알고리즘 모듈 구축을 지원합니다. 하나의 프로젝트 내에서 모듈의 직렬 연결(기존 캐스케이드 기능에 대응), 병렬 연결, 직렬+병렬 혼합의 세 가지 조합 방식을 지원합니다. 사용자는 업무 요구에 따라 모듈을 단계적으로 추가하고, 각 모듈별로 데이터 레이블링, 모델 학습, 효과 검증을 수행할 수 있습니다.
자세한 내용은 트리 구조 알고리즘 모듈 소개를 참조하십시오.
알고리즘 모듈 관리
모듈 추가, 이름 변경, 복제, 이동, 가져오기/내보내기, 내보내기 제한, 삭제 등 다양한 모듈 관리 작업을 지원합니다.
자세한 내용은 알고리즘 모듈 관리를 참조하십시오.
입력 모듈
신규 입력 모듈이 추가되었습니다. 각 프로젝트의 첫 모듈로서 후속 학습에 필요한 이미지 가져오기, 이미지 전처리, 기본 이미지 태그 기능을 지원합니다.
자세한 내용은 프로젝트 생성/열기/사용를 참조하십시오.
임의 물체 피킹 V2 모듈
임의 물체 피킹 V2 모듈이 추가되었습니다. 대상 물체의 집기 가능 표면과 눌림(압중첩) 표면을 인식하며 복잡한 적층 시나리오에 적합합니다.
자세한 내용은 임의 물체 피킹 V2 모듈을 참조하십시오.
대상 물체 및 빈 세그먼테이션 모듈
대상 물체 및 빈 세그먼테이션 모듈이 추가되었습니다. 공작물과 빈을 분할하는 데 사용됩니다.
자세한 내용은 대상 물체 및 빈 세그먼테이션 모듈을 참조하십시오.
인스턴스 세그먼테이션 신규 밀집-장축 조건 모델
인스턴스 세그먼테이션 모듈에 신규 모델 유형이 추가되어, 종합 모델과 밀집-장축 조건 모델 중 선택할 수 있습니다.
자세한 내용은 인스턴스 세그먼테이션 모델 유형을 참조하십시오.
모듈 학습 대기열 기능 추가
동일 프로젝트 내 모듈 학습 대기열 기능이 추가되었습니다. 학습 센터에서 학습 중/대기 중 모듈의 진행 상태를 확인할 수 있습니다.
자세한 내용은 학습 센터를 참조하십시오.
기능 최적화
이전 모듈에서 가져오기 기능 최적화
-
이전 모듈에서 가져오기 기능을 최적화하여, 이전 모듈의 검증 결과 기반 초기 ROI 설정을 지원하고 마스크 설정, ROI 조정, 분할 등 구성 옵션을 제공합니다.
(신속하게 위치 지정 모듈의 기존 이미지 조정 기능은 이전 모듈에서 가져오기 창의 ROI 설정에 통합되었으며, 자식 모듈로 가져오기 전에 방향/위치 조정을 수행할 수 있습니다.)
자세한 내용은 이전 모듈에서 가져오기를 참조하십시오.
-
이미지 데이터 내보내기 기능을 최적화하여 전체 또는 일부 이미지 내보내기를 지원합니다.
자세한 내용은 이미지 데이터 내보내기를 참조하십시오.
운행 모드 최적화
가져온 실제 이미지 데이터와 설정된 검증 규칙을 기반으로 전체 추론을 수행하고 검증 결과를 출력해, 실제 시나리오에서 모델의 종합 성능을 빠르게 평가할 수 있습니다.
자세한 내용은 운행 모드 사용을 참조하십시오.
검증 파라미터 설정 최적화
검증 파라미터 설정을 최적화하여 부동소수점 정밀도 파라미터를 제거하고, CPU, GPU(기본), GPU(FP16 최적화), GPU(FP32 최적화) 네 가지 하드웨어 유형 구성을 지원해 다양한 성능/정밀도 요구를 충족합니다.
자세한 내용은 검증 파라미터 구성을 참조하십시오.
라이선스 관리 최적화
각 버전의 라이선스 기능을 최적화하여 단일 모듈 유형의 전체 업무 프로세스 라이선스를 지원합니다. 정보 페이지에서 더 상세한 모듈 라이선스 정보를 표시합니다.
자세한 내용은 소프트웨어 라이선스 버전을 참조하십시오.
과거 버전 릴리스 노트
Mech-DLK 2.6.x 버전 릴리스 노트 보기
Mech-DLK 2.5.x 버전 릴리스 노트 보기
Mech-DLK 2.4.x 버전 릴리스 노트 보기
Mech-DLK 2.4.2 릴리스 노트
소프트웨어 영역 제한 기능을 추가했습니다. 제한 정보를 보려면 를 클릭하십시오.
Mech-DLK 2.4.1 릴리스 노트
새로 추가된 기능
-
완전히 업그레이드된 캐스케이딩 모드
Mech-DLK 2.4.1 버전에 캐스케이딩 모드는 복잡한 시나리오에서 딥 러닝 문제를 해결하기 위해 사용자가 모듈을 자유롭게 조합할 수 있도록 지원합니다("신속하게 위치 지정" 모듈은 첫 번째 모듈로 만 사용 가능). 예: 결함 위치를 감지하고 분류하기 위해 "결함 세그먼테이션" 모듈 선택 후 "이미지 분류" 모듈을 캐스케이드하도록 선택할 수 있습니다. 또한 이전 모듈에서 데이터를 가져올 때 실제 상황에 따라 가져올 이미지를 선택하고 이미지 가져오기를 설정할 수 있습니다.
-
훈련 센터 추가
훈련 센터는 순서 대기 훈련을 지원하며 여러 개 모델을 훈련해야 할 때 적용됩니다. 훈련 센터 기능을 사용하면 소프트웨어는 순서대로 모델 훈련을 수행할 것이며 수동으로 훈련을 시작할 필요가 없으므로 훈련 시간을 대폭 절약할 수 있습니다.
-
전역 마스크가 추가&마스크 색상 사용자 정의
"결함 세그먼테이션" 모듈의 마스크 도구는 "단일 이미지의 마스크" 또는 "전역 마스크"를 선택할 수 있으며 사용자가 마스크의 색상을 지정할 수 있습니다.
-
단일 이미지의 마스크: 현재 이미지에만 적용되고 훈련에만 사용됩니다.
-
전역 마스크: 현재 이미지에서 마스크를 그린 다음에 마스크는 모든 이미지에 표시되며 훈련과 검증에 모두 적용될 수 있습니다.
-
-
단축키 설명 창 추가
레이블링 영역 오른쪽 하단에 있는
아이콘을 클릭하면 단축키 설명 창이 열립니다. -
직사각형 레이블링 도구에 대한 보조 라인 추가
“인스턴스 세그먼테이션” 및 “물체 검출” 모듈에 “직사각형 도구”를 사용할 때 직사각형 프레임을 그리는 데 도움이 되는 보조 라인이 추가됩니다.
-
검증 결과의 믿음도 표시와 필터링 기능 추가
“인스턴스 세그먼테이션” 및 “물체 검출” 모듈에서 검증 결과에 믿음도 필터링 기능이 새로 추가되며 믿음도 파라미터를 조절하여 결과를 필터링할 수 있고 모델의 정확률을 판단할 수 있습니다.
업그레이드된 기능
-
“이미지 분류” 알고리즘 업그레이드
“이미지 분류” 알고리즘이 업그레이드되고 훈련 수렴이 빨라지며 복잡한 응용 시나리오에서 모델의 정확도가 20% 향상되었습니다.
-
Mech-DLK SDK 업그레이드
Mech-DLK SDK는 재구성을 통해 더욱 안정적이고 사용하기 쉽습니다. Mech-DLK SDK는 캐스케이딩 모델의 추론, 하드웨어간의 전환 및 더욱 다양한 샘플 프로그램을 제공합니다.
-
결함 판정 규칙 구성에 대한 최적화
"결함 세그먼테이션" 모듈의 "결함 판단 규칙 구성"을 최적화했습니다. 자세한 설명을 보려면 여기를 클릭하십시오.
-
“신속하게 위치 지정” 모듈은 평행이동 설정을 지원
“신속하게 위치 지정” 모듈 “템플릿 설정”의 “이미지 조정”에서는 X/Y 방향의 평행이동 설정을 지원합니다. 훈련 후에는 더 많은 응용 시나리오에 적응하기 위해 사용자가 지정한 위치와 각도로 이미지가 출력됩니다.
-
템플릿 도구 업그레이드
“인스턴스 세그먼테이션” 및 “물체 검출” 모듈에서 템플릿 도구를 선택한 후 Shift 키를 누른 상태에서 마우스 휠을 스크롤하거나 "회전 각도" 파라미터를 설정하여 템플릿 각도를 조정할 수 있습니다.
Mech-DLK 2.3.0 버전 릴리스 노트 보기
Mech-DLK 2.3.0 업데이트 설명
-
그래픽 카드 드라이버 버전 업데이트
Mech-DLK 2.3.0 버전의 소프트웨어를 사용하기 전에 그래픽 카드 드라이버 버전을 472.50 이상으로 업데이트해야 합니다.
-
훈련 속도 향상
알고리즘이 최적화되고 모델 훈련의 속도가 크게 향상되며 훈련 과정에서 최적의 모델만 저장되고 훈련을 중간에 멈출 수 없습니다.
-
스마트 레이블링 기능 추가
"결함 세그먼테이션", "인스턴스 세그먼테이션" 및 "물체 검출" 모듈에서 스마트 레이블링 도구를 선택한 후 대상 물체의 중심 위치를 클릭하면 신속하게 레이블링을 할 수 있고 마우스 오른쪽 버튼을 클릭하면 불필요한 레이블링된 영역을 삭제할 수 있으며 Enter 버튼을 누르면 레이블링을 완료할 수 있습니다.
-
다각형 도구를 사용하여 레이블링할 때 앵커 포인트를 추가/삭제 기능 추가
"인스턴스 세그먼테이션" 및 "물체 검출" 모듈에서 다각형 도구를 사용하여 레이블링을 완료한 후 레이블링 결과를 수정하려면 두 앵커 포인트 사이의 연결선에서 마우스 왼쪽 버튼을 클릭하면 앵커 포인트를 추가할 수 있으며, 앵커 포인트를 선택하여 마우스 오른쪽 버튼으로 클릭하면 해당 앵커 포인트를 삭제할 수 있습니다.
-
템플릿 도구 추가
"인스턴스 세그먼테이션" 및 "물체 검출" 모듈에서 템플릿 도구를 사용하면 이미 한 레이블링을 템플릿으로 설정할 수 있으며 설정이 완료된 후 직접 템플릿을 클릭하면 바로 레이블링을 할 수 있습니다. 이 기능은 이미지에 동일한 유형의 물체가 여러 개 있고 깔끔하게 정렬되어 있는 경우에 적용되며 레이블링의 효율성을 높일 수 있습니다.
-
"크기가 조정된 이미지 미리보기" 기능 추가
하나의 이미지 및 잘린 작은 이미지의 미리보기를 지원합니다.
-
그리드 커팅 도구 최적화
그리드 커팅 기능을 최적화했습니다. 그리드를 커팅한 후 각 그리드 유닛 왼쪽 상단에 있는 작은 직사각형을 클릭하여 유닛 이미지를 선택하고 이미지 오른쪽 상단에 있는 버튼을 클릭하여 이미지 미리보기를 할 수 있습니다.
-
데이터 필터링 메커니즘 최적화
데이터를 필터링할 때 "결과의 종류(단일 선택)" 옵션을 추가했습니다. "정확한 결과", "틀린 결과", "과검출" 및 "미검출" 기준에 따라 필터링할 수 있습니다. 추가된 데이터 유형 필터링 옵션: "OK로 레이블링됨" 과 "NG로 레이블링됨" 옵션.
-
딥 러닝 환경 내장되어 있음
딥 러닝 환경은 Mech-DLK 소프트웨어에 내장되어 있어 별도의 환경 설치가 없이 모델 훈련을 시작할 수 있습니다.
Mech-DLK 2.2.1 버전 릴리스 노트 보기
Mech-DLK 2.2.1 업데이트 설명
-
"이미지 분류" 모듈에서 CAM 표시 기능 추가
모델 훈련이 끝난 후 CAM 생성 버튼을 클릭하면 히트 맵으로 특징의 가중치를 나타낼 수 있으며 모델은 이러한 특징에 근거하여 이미지를 대응한 범주로 분류합니다. 색상이 더 붉은 영역은 이 범주로의 분류에서 더 많은 가중치가 부여됩니다.
-
CPU 모델의 검증 및 도출 기능 추가
-
이미지 분류, 물체 검출: 모델 훈련이 끝난 후 모델을 도출하기 전에 배포 장치를 CPU 또는 GPU로 설정할 수 있습니다.
-
인스턴스 세그먼테이션: 모델을 훈련시키기 전에 훈련 파라미터를 설정해야 합니다. 모델을 도출할 때 배포 장치를 CPU 또는 GPU로 설정할 수 있습니다. 구체적으로 다음과 같습니다:
-
CPU 경량 모델: 모델을 훈련시키지 전에 훈련 파라미터 모델 유형 을 경량(CPU 배포 시 더 좋음) 으로 설정하고 모델 배포를 도출할 때 배포 장치 를 CPU 또는 GPU 로 설정할 수 있습니다.
-
CPU 일반 모델: 모델을 훈련시키지 전에 훈련 파라미터 모델 유형 을 일반(GPU 배포 시 더 좋음) 으로 설정하고 모델 배포를 도출할 때 배포 장치 를 GPU 로 설정할 수 있습니다.
-
-