다중 모델 패키지

현재 최신 버전 (2.2.0)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 현재 사용하고 있는 제품의 버전이 확실하지 않은 경우에는 언제든지 당사 기술 지원팀에 문의하시기 바랍니다.

기능 소개

다중 모델 패키지를 사용하여 입력 이미지를 추론합니다. 다중 모델 패키지는 여러 하위 모델(예: 이미지 분류, 객체 검출, 결함 분할 등)을 통합할 수 있으며, 사전에 설정된 직렬, 병렬 또는 직병렬 결합 논리에 따라 협동 실행한 뒤 각 하위 모델 결과와 종합 검증 상태를 출력합니다.

복잡한 품질 검사 시나리오에 적합하며, 프로젝트 수를 효과적으로 줄이고 모델 중복 구성을 피하며, 모델 사용과 현장 유지보수 효율을 높일 수 있습니다.

입력 및 출력

"딥러닝 모델 패키지 추론" 스텝에서 이 모델 패키지를 가져오면 다음 입력 및 출력 포트가 표시됩니다.

입력

입력 포트 데이터 유형 설명

이미지

Image/Color

이 포트로 입력된 이미지는 딥러닝 모델 패키지 추론에 사용됩니다.

출력

출력 포트 데이터 유형 설명

종합 검증 결과

Bool

여러 모델 추론 결과의 종합 검증 결과입니다. 검증을 통과하면 True, 통과하지 못하면 False를 출력합니다.

이미지 분류

DLResult/Classification

모델 패키지 추론 결과.

빠른 위치 지정

DLResult/FastLocating

모델 패키지 추론 결과.

텍스트 검출

DLResult/TextDetection

모델 패키지 추론 결과.

비지도 분할

DLResult/UnsupervisedSegmentation

모델 패키지 추론 결과.

결함 분할

DLResult/DefectSegmentation

모델 패키지 추론 결과.

객체 검출

DLResult/ObjectDetection

모델 패키지 추론 결과.

인스턴스 분할

DLResult/InstanceSegmentation

모델 패키지 추론 결과.

텍스트 인식

DLResult/TextRecognition

모델 패키지 추론 결과.

파라미터 설명

다중 모델 패키지를 가져온 경우, 이 스텝에서는 다음 파라미터를 조정해야 합니다.

모델 패키지 설정

파라미터 설명

모델 패키지 관리 도구

파라미터 설명: 딥러닝 모델 패키지 관리 도구를 열어 딥러닝 모델 패키지를 가져오는 데 사용됩니다. 모델 패키지 파일은 Mech-DLK에서 내보낸 ".dlkpack" 파일입니다.

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

모델 패키지 이름

파라미터 설명: 딥러닝 모델 패키지를 가져온 뒤, 이 파라미터는 해당 스텝에서 사용할 가져온 모델 패키지를 선택하는 데 사용됩니다.

조정 설명: 딥러닝 모델 패키지 관리 도구로 딥러닝 모델을 가져온 후, 여기의 드롭다운 목록에서 해당 모델 패키지 이름을 선택하십시오.

모델 패키지 전환 후 원 모델 패키지 해제

파라미터 설명: 모델 패키지를 전환할 때 원래 모델 패키지가 점유하던 리소스를 즉시 해제할지 제어합니다.

기본값: 선택됨.

조정 설명: 선택하면 스텝이 다른 모델 패키지로 전환될 때 시스템이 원래 모델 패키지가 다른 스텝에서 여전히 사용 중이더라도 해당 리소스를 즉시 해제합니다. 선택하지 않으면 원래 모델 패키지가 어떤 스텝에서도 더 이상 사용되지 않을 때에만 시스템이 자동으로 리소스를 해제합니다.

모델 패키지 유형

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

GPU ID

파라미터 설명: 모델 패키지 추론에 사용할 GPU 장치 ID를 지정하는 데 사용됩니다.

조정 설명: 모델 패키지 이름을 선택한 뒤, 이 파라미터의 드롭다운 목록에서 모델 패키지 추론에 사용할 GPU 장치 ID를 선택해야 합니다.

전처리

파라미터 설명

ROI 파일

파라미터 설명: 입력 이미지의 ROI를 설정하거나 수정하는 데 사용됩니다.

조정 설명: 초기 상태에서는 기본 ROI 설정이 이미 존재합니다. ROI 설정을 수정해야 하면 ROI 파일을 클릭하십시오. 그런 다음 팝업되는 목표 영역 설정 창에서 ROI 설정을 수행하고 ROI 이름을 입력합니다.

추론 전에 여기서 설정한 ROI가 Mech-DLK에서 설정한 ROI와 일치하는지 확인하십시오. 일치하지 않으면 인식 효과에 영향을 줄 수 있습니다.

추론 과정에서는 일반적으로 모델 학습 시 설정한 ROI, 즉 기본 ROI를 사용합니다. 물체의 카메라 시야 내 위치가 바뀌면 ROI를 조정해야 합니다.

ROI를 설정한 후 기본 ROI를 사용하려면 편집기 열기 버튼 아래의 ROI 이름을 삭제하면 됩니다.

후처리

파라미터 설명

추론 구성

파라미터 설명: 다중 모델 패키지 추론 시 관련 파라미터를 구성하는 데 사용되며, 편집기 열기를 클릭하면 추론 구성 창을 열 수 있습니다.

조정 설명: 관련 파라미터 설명은 추론 구성 도구를 참조하십시오.

클래스 표시 방식

파라미터 설명: 출력 결과에서 클래스를 이름 또는 인덱스로 표시할지 선택합니다.

시각화 설정

파라미터 설명

검출 결과 시각화

파라미터 설명: 활성화하면 이미지 위에 검출 결과를 표시합니다.

기본값: 꺼짐.

조정 권장: 실제 요구에 따라 설정하십시오.

결과 시각화 방식

파라미터 설명: 시각화 출력 결과에서 물체를 어떤 방식으로 시각화할지 지정하는 데 사용됩니다.

기본값: 각 인스턴스 표시

값 목록: 각 인스턴스 표시, 클래스별 인스턴스 표시, 인스턴스 중심점 표시

조정 권장: 실제 요구에 따라 설정하십시오. 구체적인 효과는 조정 예시를 참조하십시오.

사용자 정의 글꼴 크기 사용

파라미터 설명: 시각화 출력 결과의 텍스트 글꼴 크기를 사용자 정의할지 결정하는 데 사용됩니다. 이 파라미터를 선택하면 글꼴 크기(0~10)를 설정해야 합니다.

기본값: 꺼짐.

조정 권장: 실제 요구에 따라 설정하십시오.

글꼴 크기(0~10)

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

기본값: 3.0

조정 권장: 실제 요구에 따라 설정하십시오.

조정 예시

결과 시각화 방식

결과 시각화 방식 설명 예시 그림

각 인스턴스 표시

각 인스턴스를 시각화하며, 각 인스턴스는 고유한 색상을 가집니다.

instances sample

클래스별 인스턴스 표시

클래스를 기준으로 인스턴스를 시각화하며, 같은 클래스의 인스턴스는 같은 색상을 가집니다.

classes sample

인스턴스 중심점 표시

인스턴스 중심점을 시각화하며, 인스턴스 색상은 "신뢰도 임계값"과 관련됩니다.

central point sample

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.