Astrocyte for AI
Astrocyte
그래픽 기반의 머신러닝 트레이너
2D 이미지를 신경망 기반으로 트레이닝시키는 머신러닝 트레이닝 애플리케이션
그래픽 사용자 인터페이스를 통해 이미지 샘플을 가져오고 신경망을 트레이닝시켜 분류, 이상 감지, 물체 감지, 분할 및 노이즈 감소를 수행
성능/정확성 점검을 위해 모델 시각화 및 해석 도구 지원
Teledyne DALSA의 Sherlock 플랫폼에서 사용할 수 있도록 생성한 모델 전송 가능
산업검사, 교통관제, 식품검사 등에 사용
특징
신속한 응용프로그램 개발을 위한 그래픽 사용자 인터페이스
정보 보호를 위한 사용자 PC에서 트레이닝 및 배포(클라우드 연결 필요 없음)
다양한 애플리케이션을 위한 다수의 딥러닝 아키텍처
런타임에 추가 학습을 위한 분류의 연속 학습(일명 평생 학습)
준지도 객체 탐지(SSOD)를 통한 주석 자동 생성
신경망 유형 선택을 포함한 다양한 트레이닝을 위한 하이퍼 파라미터 접근
트레이닝 진행 상황 및 모델 성능에 대한 그래픽 시각화
모델 평가를 위한 트레이닝용 히트맵과 객체 위치를 위한 런타임 히트맵의 가용성
모델 파일 전송 및 Sherlock과의 인터페이스로 런타임 추론
트레이닝 노력을 줄이기 위한 사전 트레이닝 모델(필요한 샘플 수 감소)
Teledyne 및 타사 카메라로부터 실시간 영상 획득을 통한 트레이닝 이미지 파일의 자동 생성 및 조절
딥러닝 아키텍처
분류(Classification)
분류는 어떤 항목이 어떤 분류에 속하는지 예측합니다. 일부는 예/아니오를 결정하는 바이너리(두 개로 구성)입니다. 다른 것들은 다중 클래스이며 한 항목을 여러 범주 중 하나로 분류할 수 있다. 분류는 식별, 인물 인식, 존재 감지, 음식 분류 등과 같은 문제를 해결하기 위해 사용됩니다. 애스트로사이트는 Resnet-18, Resnet-50, Resnet-101의 분류 신경망을 지원합니다. 애스트로사이트는 또한 추론 시간에 추가 트레이닝을 허용하는 지속적인 분류를 지원합니다.
이상감지(Anomaly Detection)
이상 탐지는 처리되는 대부분의 데이터와 특성이 다르기 때문에 문제가 되는 희귀 사건, 항목 또는 이벤트를 식별하는 것입니다. 이상 징후 탐지는 양호 및 불량 샘플을 식별하기 위한 이진 분류기입니다. 일반 분류와 달리 이상 감지는 불균형 데이터 세트(양호 샘플의 많은 수와 불량 샘플의 적은 수)에 대해 학습할 수 있습니다. 이상 탐지는 표면 또는 장면의 결점 식별과 관련된 모든 응용 프로그램에서 사용됩니다. 애스트로사이트는 Alexnet과 VGG16 의 이상 징후 감지 신경망을 지원합니다.
개체 감지(Object Detection)
개체 감지는 이미지에서 하나 이상의 관심 개체의 영역 지정이 포함됩니다. 객체의 위치를 찾고 분류하는 두 작업을 하나의 실행으로 결합합니다. 개체 감지의 출력에는 경계 상자와 각 관심 객체에 대한 클래스 레이블이 포함됩니다. 개체 감지는 존재 감지, 개체 추적, 결함 위치 확인 및 정렬 등의 문제를 해결하는 데 사용됩니다. 애스트로사이트는 SSD300, SSD512, SSDLite와 같은 객체 감지 신경망을 지원합니다.
분할(Segmentation)
영상 분할에는 영상 분석을 단순화하기 위해 입력 영상을 세그먼트로 나누는 작업이 포함됩니다. 분할은 객체 또는 객체의 일부를 나타내며 픽셀 그룹으로 구성됩니다. 이미지 분할은 픽셀을 더 큰 구성 요소로 정렬하므로 개별 픽셀을 관찰 단위로 고려할 필요가 없습니다. 영상 분할은 컴퓨터 비전에서 중요한 프로세스로 결함 정렬/자격, 음식 정렬, 형상 분석 등에 사용됩니다. 스트로사이트는 DeepLabV3-Resnet-50, DeepLabV3-Resnet-101, Unet 분할 신경망을 지원합니다.
노이즈 제거(Noise Reduction)
이미지 노이즈 제거는 저하된 관찰로부터 고품질 이미지를 재구성하는 것을 목표로 합니다. 디지털 사진, 의료 영상 분석, 원격 감지, 감시 및 디지털 엔터테인먼트와 같은 실제 애플리케이션에서 중요한 구성 요소를 나타냅니다. 애스트로사이트는 RCAN(Residual Channel Attention Network)라는 노이즈 감소 신경망을 지원합니다.
모델 훈련을 위한 작업흐름
사용법 - Dataset 준비
영상 샘플 생성
Teledyne 또는 타사 카메라에 연결하여 라이브 비디오 획득
라이브 비디오 스트림을 획득하는 동안 이미지 저장(클릭/자동/수동)
획득하는 동안 학습할 영상이 준비됨(패딩/스퀴싱/크롭)
이미지 샘플 가져오기
다른 스토리지 위치(로컬, 원격, 클라우드)에서 가져오기
자격 증명 및 암호화를 통한 안전한 데이터 가져오기
폴더 레이아웃, 접두사/접미사 및 정규식에 기반한 파일 선택
이미지 파일 형식: PNG, JPG, BMP, GIF 및 TIFF.
트레이닝 및 검증 데이터 세트에 이미지를 자동(랜덤) 또는 수동으로 배포
메모리 사용을 최적화하기 위한 조정 가능한 이미지 크기
이미지 샘플 가져오기
다른 스토리지 위치(로컬, 원격, 클라우드)에서 가져오기
자격 증명 및 암호화를 통한 안전한 데이터 가져오기
폴더 레이아웃, 접두사/접미사 및 정규식에 기반한 파일 선택
이미지 파일 형식: PNG, JPG, BMP, GIF 및 TIFF.
트레이닝 및 검증 데이터 세트에 이미지를 자동(랜덤) 또는 수동으로 배포
메모리 사용을 최적화하기 위한 조정 가능한 이미지 크기
사용법 - Dataset 시각화
주석 이동/ 작성(실제정보: Ground Truth)
Pascal VOC 및 MS COCO와 같은 일반적인 데이터베이스 사용
사용자 정의 텍스트 파일 및 구문 분석 시스템에서 객체 감지를 위한 경계 상자의 시각적 편집
준지도 객체 탐지(SSOD)를 통해 레이블이 지정되지 않은 이미지의 백분율을 포함하는 데이터 세트에서 경계 상자를 자동으로 생성
데이터 세트 시각화/ 편집
이미지 표시 및 확대/축소
주석은 영상에 오버레이 그래픽으로 표시
주석 선택, 삭제 및 편집
개별 샘플에 대한 주석 수동 편집
사용법 - Training
트레이닝 세팅 및 실행
시스템 GPU에서 트레이닝
장치 선택(여러 장치를 사용할 수 있는 경우)
최적의 정확도를 위한 딥러닝 모델 선택
트레이닝 실행을 사용자 정의할 수 있도록 학습 속도, 에포크 수, 배치 크기 등과 같은 하이퍼 파라미터에 접근 가능
하이퍼 파라미터는 일반적으로 사용되는 기본값으로 미리 설정
회전, 뒤틀림, 조명, 확대/축소 등의 변환을 통해 트레이닝 샘플 수를 인위적으로 늘리는 데 사용할 수 있는 이미지 확장
트레이닝 세션 취소 및 재개
트레이닝 기간 추정을 위한 진행률 표시줄
각 반복(에포치)에서 정확도와 트레이닝 손실을 포함한 진행 상황을 그래프로 표시
사용법 - Model Validation
모델 검증
모델 트레이닝에 대한 통계량
모델 성능에 대한 지표: 정확도, 리콜, 평균 정밀도(mAP), 결합 교차점(IoU)
테스트 인터페이스를 모델링하여 트레이닝, 검증, 전체 또는 사용자 정의 데이터 세트에서 샘플 재구성
오차 행렬의 표시(예측과 실측 사이의 교차점을 보여주는 그래프). 대화식으로 개별 이미지를 선택
분류에서 hot region의 시각화를 위한 히트맵 표시
Astrocyte 내부 테스트를 위한 샘플 이미지 추론
사용법 - Model Export - Import
모델 내보내기 - 가져오기
Sherlock과 호환되는 자체 개발 모델 형식
모델에는 모델 아키텍처, 트레이닝된 가중치, 이미지 크기 및 형식과 같은 메타데이터 등 추론을 수행하는 데 필요한 모든 정보 포함
다중 모델 관리. Astrocyte 내부 저장소에 저장된 모델
Sherlock을 통해 사용자 애플리케이션으로 가져오기 가능
Sherlock 과의 통합
규칙 기반 알고리즘과의 통합
Sherlock에서 지원하는 모델 아키텍처에 대한 추론 도구 포함
모델 파일을 추론 도구로 가져와 라이브 비디오 스트림에서 실행
추론 도구는 블럽 분석, 패턴 일치, 바코드 판독 등과 같은 다른 이미지 처리 도구와 결합
Teledyne DALSA 카메라 및 프레임그래버에서 이미지를 획득하기 위해 Sapera LT와 함께 사용
소스 코드와 함께 사용할 수 있는 예제 제공
라이센스 및 시스템 요구사항
라이센스
개발을 위해 Sherlock AI SDK 필요
라이센스가 없으면 60일 동안 평가 모드로 실행
Sherlock AI 런타임 라이센스를 통해 Sherlock에서 AI 추론 가능
시스템 요구사항
운영체제: Windows 10 64-bit
GPU 최소 권장 사항: NVIDIA GeForce GTX 1070 with 8GB RAM or equivalent
데이터시트

