软件更新说明

您正在查看V2.4.1版本的文档。如果您想查阅其他版本的文档,可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您想使用最新版本,可以从梅卡曼德下载中心下载。

■ 如果您不确定当前使用的产品是哪个版本,请随时联系梅卡曼德技术支持。

Mech-DLK 2.4.1 更新说明

新增功能

全新级联模式

Mech-DLK 2.4.1 增加全新算法模块级联模式,支持用户自由组合模块(“快速定位”模块只能作为第一级使用),以解决复杂场景下的深度学习问题。例如:检测出缺陷位置,并对缺陷进行分类,可以选择在“缺陷分割”后级联“图像分类”。此外,级联模块间数据导入界面,增加了图像筛选功能,可以根据需求选择导入的图像,同时支持对图像进行导入配置。

新增训练中心

训练中心支持排队训练,适用于需要训练多个模型的场景。使用训练中心,软件将按顺序依次进行训练,无需人工再次手动点击训练,可以节省大量时间。

增加全局掩膜并支持自定义掩膜颜色

“缺陷分割”模块中的掩膜工具可选择“单图掩膜”或“全局掩膜”,并且支持自定义掩膜颜色。

  • 单图掩膜:掩膜只在当前图像生效;只在训练中生效。

  • 全局掩膜:在当前图像中绘制掩膜后,掩膜将显示在所有图像中;训练验证均生效。

增加快捷键显示窗口

单击标注绘制区右下角的 keyboard shortcut keyboard 可打开快捷键显示窗口。

增加矩形标注工具辅助线

“实例分割”和“目标检测”模块中,“矩形工具”增加标注辅助线,可以辅助标注矩形框。

增加验证结果置信度显示与过滤

“实例分割”和“目标检测”模块中,验证结果增加置信度筛选功能,可以通过调整置信度参数筛选结果,进而评估模型的准确率。

功能优化

优化图像分类算法

优化了图像分类算法,训练收敛更快,复杂场景下模型的准确性提升了 20%。

优化 Mech-DLK SDK

重构Mech-DLK SDK,增强稳定性和易用性。 Mech-DLK SDK 支持级联模型的推理、切换不同的运行硬件并提供了更丰富的样例。

优化缺陷判定规则配置

优化“缺陷分割”模块的“缺陷判定规则配置”,单击此处 查看详细说明。

快速定位支持平移设置

“快速定位”模块的“母版设置”中“图像调整”支持X/Y方向平移设置。训练后图像将以用户指定位置和角度输出,适应更多场景。

优化印章工具

在“实例分割”和“目标检测”模块下,使用印章工具选择印章模板后,按住 Shift 并滑动鼠标滚轮或设置“旋转角度”参数,可调整模板角度。

历史版本更新说明

单击此处查看Mech-DLK 2.3.0 更新说明

Mech-DLK 2.3.0 更新说明

  • 更新显卡驱动版本

    使用 Mech-DLK 2.3.0 软件前,显卡驱动版本需要更新至 472.50 以上。

  • 提升训练速度

    优化了算法,训练模型的速度明显提升;训练过程中只保存最优模型,无法中途停止训练。

  • 新增智能标注功能

    在“缺陷分割”、“实例分割”、“目标检测”模块下,选择智能标注工具,单击待标注物体中心位置可以快速形成标注,右键删除多余标注区域,回车键完成标注。

  • 新增多边形标注锚点增减功能

    在“实例分割”和“目标检测”模块下,使用多边形标注工具标注完成后,若需修改标注结果,可在两个锚点之间的线上单击左键来增加锚点,选中锚点单击右键可以删除锚点。

  • 新增标注印章工具

    在“实例分割”和“目标检测”模块下,使用印章工具可以将已有的任意标注设置为模板,设置完成后可以直接单击进行标注。适用于图像中有多个同类别物体且摆放整齐的场景,可以提高标注效率。

  • 新增缩放预览功能

    支持预览单张图像和剪切后的小图。

  • 优化网格剪切工具

    优化网格剪切功能,剪切网格后,可以单击网格单元左上角的方框来选中单元图像,单击小图右上角按钮可以预览。

  • 优化数据筛选机制

    新增结果类型筛选项,可按“正确的结果”、“错误的结果”、“过检”、“漏检”标签来筛选数据。新增数据类型筛选项:“已标注为OK”和“已标注为NG”选项。

  • 深度学习环境内置

    深度学习环境内置到 Mech-DLK 软件里,不需要单独安装环境即可训练模型。

单击此处查看Mech-DLK 2.2.1 更新说明

Mech-DLK 2.2.1 更新说明

  • 新增“图像分类”模块新增类激活图显示功能

    模型训练完成后,单击生成类激活图可以通过热力图的形式体现特征的权重,模型基于这些特征将该图像分为此类别。颜色越红的区域,在分为此类别的过程中所占的权重越大。

  • 新增CPU 版本模型的验证及导出功能

    • 图像分类、目标检测:训练完成后,导出模型前可以将部署设备选为 CPU 或 GPU。

    • 实例分割:训练模型前,设置训练参数。导出模型时,可以在 CPU/GPU 之间选择部署设备,具体如下:

      • CPU 轻量模型:训练模型前,将训练参数 模型类型 选为 轻量(推荐使用 CPU 部署) ,导出模型部署时,可以将 部署设备 选为 CPUGPU

      • GPU 标准模型:训练模型前,将训练参数 模型类型 选为 标准(推荐使用 GPU 部署) ,导出模型部署时,推荐将 部署设备 选为 GPU

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。