更新说明

您正在查看V2.5.2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 2.5.2 更新说明

本节介绍 Mech-DLK 2.5.2 版本的新增功能、功能优化和问题修复。

新增功能

新增预标注功能

验证完模型后,可导入新的图像数据至当前模块,使用预标注功能在该模型的基础上进行自动标注。标注完成后,可人工微调标注结果。

  • 支持该功能的算法模块:实例分割、目标检测、图像分类、缺陷分割、文本检测。

  • 使用前提:仅在当前模块有经过验证的模型时可使用预标注功能。

  • 预标注功能仅对以下三类数据有效:

    • 未标注数据

    • 已自动标注数据(图像序号前有黄色三角形标记)

    • 自动标注后人工微调过的数据(图像序号前有黄色三角形标记)

  • 预标注功能的三种实现方式:

    • 标注工具栏的“预标注工具”

    • 图像列表上方的预标注按钮

    • 右键菜单“预标注”选项

    查看预标注功能说明了解详情。

新增“图像标记”筛选项

级联算法模块场景下,导入上一级数据时增加了图像标记选项。你可以通过选择相应的图像标记来筛选需要导入的图像。详细说明请参考级联模块的使用

新增标签合并功能

Mech-DLK 2.5.2 新增了标签合并的功能。选中一个标签后,可右键选择合并至选项,将当前类别下的数据更改为另一类别。

  • 支持标签合并功能的算法模块:图像分类、实例分割、目标检测。

功能优化

支持导入 COCO 格式数据集

Mech-DLK 2.5.2 部分算法模块支持导入 COCO 格式的数据集。

  • 可导入 COCO 格式数据集的算法模块:实例分割、目标检测。

整合了数据导入和导出功能

Mech-DLK 2.5.2 将界面左侧的导入按钮改为导入/导出按钮,整合了数据导入和导出功能。

用户可以更简单快捷地进行导入或导出相关的操作。

优化了数据导出设置

Mech-DLK 2.5.2优化了数据导出设置(也适用于级联的算法模块):

  • 导出当前模块所有数据:单击界面左侧的导入/导出按钮,然后选择导出数据集选项。

  • 导出当前模块部分数据:在图像列表区选择单张或多张图像,然后右键选择导出数据集选项。

问题修复

Mech-DLK 2.5.2修复了以下问题:

  • 修复了“缺陷分割”模块下单图掩膜或全局掩膜内也显示验证结果的问题;

  • 修复了“缺陷分割”下设置的全局掩膜未按图像尺寸进行等比例缩放的问题;

  • 修复了使用“矩形工具”时非常规操作导致的软件崩溃问题。

Mech-DLK 2.5.1更新说明

Mech-DLK 2.5.1对“智能标注工具”进行了优化,显著提升了标注效率。

Mech-DLK 2.5.0更新说明

本节介绍Mech-DLK 2.5.0版本的新增功能和功能优化。

新增功能

新增“文本检测”和“文本识别”算法模块

Mech-DLK 2.5.0新增了光学字符识别(OCR)功能,由以下两个算法模块级联实现:

  • 文本检测:前序模块,用于检测图像中的单行或多行文本区域;

  • 文本识别:后序模块,用于识别文本区域中的字符。

常用于检测和识别电子元件上的细小字符、复杂背景下的车辆相关信息、包装上展示的序列号、生产批号等信息。

新增“非监督分割”算法模块

Mech-DLK 2.5.0新增了“非监督分割”算法模块,只需OK图作为训练集参与模型训练,对所有已知、未知缺陷进行像素级检测。训练的模型可根据设定的阈值判断出物体图像为OK、NG还是Unknown(未知),并通过热力图展示大致的缺陷区域。

该模块常用于工业质检,适用场景包括:

  • 易获取OK图,但不易获取NG图

  • 缺陷类型不确定

新增自由矩形工具

“文本检测”模块中新增了“自由矩形工具”,可用于绘制矩形标注框,适用于标注矩形文本区域。

新增文本识别工具

“文本识别”模块中新增了“文本识别工具”,可用于绘制文本识别范围,并自动输出文本识别结果。

新增OK/NG标签工具

Mech-DLK 2.5.0中,使用OK/NG标签工具可快速将图像标注为OK或NG。选中图像后,鼠标左键单击标注工具栏处的OK或NG标签,即可完成标注。

  • “非监督分割”模块中可使用OK标签工具和NG标签工具;

  • “缺陷分割”模块中可使用OK标签工具。

功能优化

支持NVIDIA GeForce RTX 40系列显卡

Mech-DLK 2.5.0全面支持使用NVIDIA GeForce RTX 40系列显卡进行模型训练与验证。

优化快捷键悬浮窗

Mech-DLK 2.5.0中快捷键悬浮窗按不同模块使用情况显示,便于用户快速找到所需快捷键。

历史版本更新说明

单击此处查看 Mech-DLK 2.4.x 更新说明

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。

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。