软件更新说明

您正在查看旧版本的文档。点击页面右上角可切换到最新版本的文档。

Mech-DLK 2.4.2 更新说明

增加软件区域限制功能。单击帮助关于后可查看限制信息。

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 CPU 或 GPU 。
  - 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 。