이미지 분류

이미지 분류 모델 패키지를 가져올 때, 다음 파라미터를 조정해야 합니다.

모델 패키지 설정

모델 패키지 관리 도구

파라미터 설명: 이 파라미터는 딥 러닝 모델 패키지 관리 도구를 열고 딥 러닝 모델 패키지를 가져오는 데에 사용됩니다. 모델 패키지 파일은 Mech-DLK에서 내보낸 “.dlkpack” 혹은 “.dlkpackC” 파일입니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구의 사용 방법은 딥 러닝 모델 패키지 관리 도구를 참조하십시오.

모델 패키지 이름

파라미터 설명: 이 파라미터는 가져온 딥 러닝 모델 패키지의 이름을 선택하는 데 사용됩니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구를 사용하여 딥 러닝 모델을 가져온 후, 드롭다운 리스트에서 해당 모델 이름을 선택합니다.

모델 패키지 유형

파라미터 설명: 모델 패키지 이름을 선택하면 자동으로 모델 패키지 유형이 채워집니다.

GPU ID

파라미터 설명: 이 파라미터는 모델 패키지 추론에 사용한 GPU 설비 ID를 지정하는 데 사용됩니다.

조정 설명: 모델 패키지 이름을 선택한 후, 파라미터 드롭다운 메뉴에서 GPU 설비 ID를 선택합니다.

사전 처리

ROI 파일

파라미터 설명: 이 파라미터는 ROI를 설정 또는 수정하는 데 사용됩니다.

조정 설명: 초기 상태에서는 기본 ROI가 적용됩니다. ROI 설정을 수정하려면 ROI 파일을 한번 클릭하면 됩니다. ROI 설정 팝업 창에서 ROI를 편집하고 ROI 명칭을 입력합니다.

추론에 앞서 여기서 설정한 ROI가 Mech-DLK에서 설정한 ROI와 일치하는지 확인하시기 바랍니다. 일치하지 않으면 인식 결과에 영향을 줄 수 있습니다.

추론 중에는 일반적으로 모델 훈련 시 설정된 기본 ROI가 사용됩니다. 카메라 시야 내 물체의 위치가 변경되면, ROI를 조정해야 합니다.

기본 ROI를 다시 사용하려면, 편집기를 열기 버튼 아래의 ROI 파일 이름을 삭제하면 됩니다.

후처리

추론 구성

파라미터 설명: 이미지 분류 모델 패키지 추론 시의 관련 파라미터를 구성하는 데에 사용합니다. 편집기를 열기를 한번 클릭하여 추론 구성 창을 열 수 있습니다. 이 창에 포함된 파라미터 및 설명은 아래 표와 같습니다.

파라미터 파라미터 설명 조정 설명

신뢰도 임계값

이미지 분류 과정에서 신뢰도 임계값을 설정하는 데 사용됩니다. 이 역치를 초과하는 결과는 유지됩니다.

실제 수요에 따라 해당 파라미터를 설정합니다.

클래스 활성화 맵(CAM) 표시 (“모든 파라미터 표시하기” 활성화)

이 파라미터는 이미지 분류 결과에 가장 큰 기여를 한 구역을 식별합니다. 파란색은 해당 지역이 분류에 적게 기여함을 나타내며, 빨간색은 해당 지역이 분류에 많이 기여했음을 나타냅니다.

Mech-Vision 1.7.2 및 이상 버전을 사용할 때 클래스 활성화 맵(CAM) 표시 기능을 활성화하면 추론이 느려집니다.

팽창

파라미터 설명: 이 파라미터는 딥 러닝 알고리즘의 마스크 영역을 늘리는 데 사용됩니다. 딥 러닝 마스크 영역이 대상 물체보다 작으면 추출된 포인트 클라우드, 특히 가장자리 포인트 클라우드가 누락될 수 있습니다. 따라서, 추출된 포인트 클라우드의 누락을 방지하기 위해 팽창 기능을 활성화하여 마스크 영역을 늘리는 것이 좋습니다.

기본값: 비활성화

커널 사이즈

파라미터 설명: 이 파라미터는 팽창 시 커널 사이즈를 설정하는 데 사용됩니다. 커널 사이즈가 클수록 팽창 효과가 강해집니다.

기본값: 3px

권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

시각화 설정

사용자 정의 글꼴 크기

파라미터 설명: 이 파라미터는 시각화 출력 결과의 글꼴 크기를 사용자 정의할지 여부를 결정합니다. 이 파라미터를 선택하면 글꼴 크기(0–10)를 설정해야 합니다.

기본값: 선택하지 않음.

권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

글꼴 크기(0–10)

파라미터 설명: 이 파라미터는 시각화 출력 결과의 글꼴 크기를 설정하는 데 사용됩니다.

기본값: 3.0

권장사항: 실제 요구 사항에 따라 이 파라미터를 설정하십시오.

저희는 귀하의 개인 정보를 소중하게 생각합니다.

당사 웹사이트는 귀하에게 최상의 경험을 제공하기 위해 쿠키를 사용합니다. "모두 수락"을 클릭하시는 경우, 귀하는 사의 쿠키 사용에 동의하게 됩니다. "모두 거부"를 클릭하시는 경우, 귀하가 이 웹사이트를 방문할 때 추적되거나 기억되지 않도록 하기 위해 단일 쿠키가 사용됩니다.