Features & Workflows

Klassifikation

Das Labeln für die Klassifikation erfolgt durch einfachen Import der Bilder und die Zuordnung zur Klasse. Wenn die Bilder in entsprechend benannten Ordnern gespeichert sind, können sie beim Import auch automatisch gelabelt werden. 

Objekterkennung

Bei der Objektdetektion erfolgt das Labeln durch das Zeichnen von Rechtecken um jedes relevante Objekt und durch die Zuweisung dieser Rechtecke zu den entsprechenden Klassen. Je nach Projektanforderung kann der Nutzer seine Daten entweder mit achsen-parallelen oder mit orientierten Rechtecken labeln. 

Instanz- und semantische Segmentierung

Zeichnen Sie polygonale Regionen um relevante Objekte oder erstellen Sie pixelgenaue Masken mit einem Pinsel und Radiergummi, die die relevanten Objekte abdecken.

Darüber hinaus stehen mehrere Smart-Labeling-Tools zur Verfügung, die die Annotation beschleunigen. Diese Werkzeuge erzeugen sofort Annotationsvorschläge – entweder nach der Auswahl eines relevanten Bildbereichs oder beim Bewegen des Mauszeigers über einen Bildbereich.

Deep OCR Training

Das erneute Trainieren eines Deep-OCR-Modells kann die Erkennungsrate von Deep OCR in MVTec HALCON für spezifische Anwendungen deutlich steigern. Das Deep Learning Tool unterstützt die effiziente Annotation großer Datensätze durch optimierte Workflows. Erkennungs- und Detektionsparameter lassen sich so konfigurieren, dass automatische Annotationsvorschläge erzeugt werden. Diese können übernommen oder verfeinert werden, wodurch der manuelle Aufwand deutlich sinkt.

Anomalieerkennung

Global Context Anomaly Detection

Diese Methode kennzeichnet untypische Bildinhalte auf Basis des globalen Bildkontexts und erfordert nur einen geringen Annotationsaufwand. Dies erfolgt durch einfachen Import der Bilder und die Zuordnung zur entsprechenden "Gut"- oder "Anomalie"-Klasse. Wenn die Bilder in entsprechend benannten Ordnern gespeichert sind, können sie beim Import auch automatisch gelabelt werden.