來(lái)自日本重量級(jí)AI企業(yè)研發(fā)
通過(guò)AI深度學(xué)習(xí)實(shí)現(xiàn)高精度檢測(cè)的外觀檢查軟件
Preferred Networks Visual Inspection
Preferred Networks(PFN)公司提供的Preferred Networks Visual Inspection產(chǎn)品，是通過(guò)深度學(xué)習(xí)，實(shí)現(xiàn)高精度、高靈活性、高性?xún)r(jià)比的外觀檢查軟件。
其解決了傳統(tǒng)深度學(xué)習(xí)檢測(cè)軟件所存在的，需要解決大量學(xué)習(xí)數(shù)據(jù)的收集、對(duì)不良特征的注釋很麻煩、以及模型構(gòu)建困難等問(wèn)題，無(wú)需對(duì)學(xué)習(xí)數(shù)據(jù)進(jìn)行注釋?zhuān)纯蓪?shí)現(xiàn)高精度的檢測(cè)效果。從而，可以快速·低成本的構(gòu)建檢測(cè)系統(tǒng)。
產(chǎn)品特長(zhǎng)
| 1 日本PFN公司獨(dú)自的深度學(xué)習(xí)模型
采用PFN獨(dú)自的的深度學(xué)習(xí)模型只需少量數(shù)據(jù)即可實(shí)現(xiàn)高精度檢測(cè)。 | 4 只需少量圖像進(jìn)行學(xué)習(xí)
與傳統(tǒng)必須要數(shù)萬(wàn)~數(shù)十萬(wàn)張圖像作為學(xué)習(xí)數(shù)據(jù)相比，PFN只需100張良品及20張不良品圖像即可實(shí)現(xiàn)深度學(xué)習(xí)。 |
| 2 簡(jiǎn)化注釋
對(duì)于被測(cè)物圖像，只需提供按[良品(good)]/[不良品(bad)]分類(lèi)好的圖像即可實(shí)現(xiàn)深度學(xué)習(xí)。無(wú)需標(biāo)注出不良特征/不良位置。 | 5 不良位置的可視化
通過(guò)熱力圖成像凸顯出不良位置，提高對(duì)檢查結(jié)果的說(shuō)明性。 |
| 3 直觀的用戶(hù)界面GUI
通過(guò)學(xué)習(xí)工具的GUI界面，從登陸圖像、模型學(xué)習(xí)、檢測(cè)精度比較等都可以進(jìn)行一氣呵成的管理，構(gòu)建直觀的、高精度的檢測(cè)模型。 | 6 建立靈活·快速的檢測(cè)模型
提供構(gòu)建檢測(cè)系統(tǒng)所需的推論數(shù)據(jù)庫(kù)。 |
系統(tǒng)構(gòu)成示例
