Astrocyte for AI
그래픽 기반의 머신러닝 트레이너
- 2D 이미지를 신경망 기반으로 트레이닝시키는 머신러닝 트레이닝 애플리케이션
- GUI를 통해 이미지 샘플을 가져오고 신경망을 트레이닝시켜 분류, 이상 감지, 물체 감지, 분할을 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
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 있습니다. 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)
일체형 로컬라이저 및 분류기. 객체 검출은 이미지에서 객체의 위치와 방향을 찾아 분류합니다.
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.
개체 감지(Object Detection)
일체형 로컬라이저 및 분류기. 객체 검출은 이미지에서 객체의 위치와 방향을 찾아 분류합니다.
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.
모델 훈련을 위한 작업흐름
사용 가이드
#1 Dataset 준비
영상 샘플 선정
- 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
#2 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
#3 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
#4 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
#5 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 07
#6 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