Die Software lernt aus nur wenigen Beispielen Typische Anwendungen benötigen zwischen 20 und 50 Bilder für das Training. Mehr Beispielbilder sind besser, aber die Aurora™ Deep Learning-Software lernt die wichtigsten Merkmale aus einem begrenzten Trainingssatz und erzeugt dann Tausende von neuen künstlichen Beispielen für ein effektives Training.
Sie funktioniert auf GPU und CPU. Für ein effektives Training ist eine moderne GPU erforderlich. Bei der Produktion können Sie entweder GPU oder CPU verwenden. Die Verwendung eines Grafikprozessors ist in der Regel 3- bis 10-Mal schneller (mit Ausnahme der Objektklassifizierung, die auf der CPU genauso schnell ist). Hohe Leistung garantiert Die typische Trainingszeit auf einem Grafikprozessor beträgt in der Regel 5-15 Minuten. Die Inferenzzeit variiert je nach Tool und Hardware - zwischen 5 ms und 100 ms pro Bild. Die höchste Leistung wird durch die Verwendung von Aurora™ Weaver, unserer industriellen Inferenz-Engine, garantiert.
Weitere Optimierung von Bildverarbeitungslösungen
Werben Sie für die Vorteile des Einsatzes von Aurora Deep Learning™, um die Bildverarbeitungsfunktionen Ihrer Kunden weiter zu optimieren. Diese Zusatzsoftware nutzt eine Reihe fortschrittlicher, auf Deep Learning basierender Tools, um die Qualität und betriebliche Effizienz bestehender Bildverarbeitungslösungen zu verbessern.
Mit Aurora Deep Learning™ können industrielle Bildanalyseanwendungen ein Deep-Learning-Modell verwenden, das mit einer Reihe von realen Beispielen trainiert wurde. Mit nur 20-30 Bildbeispielen können bestehende Bildverarbeitungslösungen Objekte, Defekte oder Merkmale automatisch erkennen, Punkte identifizieren und eine Instanz Segmentierung durchführen.
Umfassendes Spektrum von Anwendungsfällen
Aurora Deep Learning™ kann für eine Vielzahl von Anwendungsfällen eingesetzt werden. Diese reichen von der Identifizierung unterschiedlicher Teile, Oberflächenfehler und korrekter Prozesse bei Pick-and-Place-Anwendungen in der Industrie über die Ablehnung schlecht präsentierter Sushi-Boxen im Einzelhandel bis hin zur Unterstützung bei der Erkennung potenzieller Knochenbrüche in Röntgenbildern.
Download