Astrocyte for AI

Astrocyte

그래픽 기반의 머신러닝 트레이너

특징

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

이미지 샘플 가져오기


이미지 샘플 가져오기


사용법 - Dataset 시각화

 주석 이동/ 작성(실제정보: Ground Truth)

데이터 세트 시각화/ 편집


사용법 - Training

트레이닝 세팅 및 실행

사용법 - Model Validation

모델 검증

사용법 - Model Export - Import

모델 내보내기 - 가져오기

Sherlock 과의 통합

규칙 기반 알고리즘과의 통합

라이센스 및 시스템 요구사항

라이센스

시스템 요구사항

데이터시트

Astrocyte+Datasheet_KO.pdf
Astrocyte+Datasheet_en.pdf

문의 및 평가판 요청하기 sales@davincies.co.kr