Suakit on monitor screen over yellow bokeh

픽셀 단위 레이블 지정(분류)

픽셀 단위 레이블 지정 기능은 분류(Classification) 프로젝트 내에서 이미지 상의 결함 영역에 레이블을 지정해서 검사 정확도를 개선할 수 있도록 합니다. 따라서 불충분한 이미지 데이터만을 가지고도 높은 검사 성능을 실현할 수 있습니다.

Examples of OK and NG (no good) inspection images  of cartoon cars

네트워크 옵션(세그먼테이션)

‘컨텍스튜얼 네트워크(contextual network)’는 부족 비율을 최소화하는 ‘센시티브 네트워크(sensitive network)’에 비해 과도 비율을 최소화하는 세그먼테이션 유형입니다. 이 네트워크 두 개 중 하나를 선택함으로써 결함 감지 결과를 최적화할 수 있습니다.

Chart showing overkill and underkill rates
Examples of incorrect and correct image analysis of an electronic part

비주얼 디버거(분류)

이 비주얼 디버거는 딥러닝 알고리즘이 어떤 영역에 집중하고 분석하는지 보여줍니다. 이 기능은 사용자가 해당 검사가 사용자의 의도대로 수행되었는지의 여부를 확인할 수 있도록 합니다.

연속 학습 (단일 x 분류-)

연속 학습은 각 신규 제품에 대해 필요한 학습 시간과 학습 이미지 숫자를 최소화하기 위해서 사전에 학습한 신경망을 이용해서 딥러닝 모델을 학습시키는 방식입니다.

Models of convention and new deep learning training methods

불확실한 데이터 분석

이 기능은 학습 데이터 검토를 쉽게 수행할 수 있도록 합니다. 모델이 OK/NG로 분류하기 어려운 애매한 데이터를 분석하고 추출할 수 있도록 하며 부정확한 레이블 작업으로 잘못 범주를 분류한 이미지를 쉽게 찾을 수 있도록 합니다.

Chart showing data analysis of normal and defective parts
주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처
Loading...