深度學(xué)習(xí)在解決復(fù)雜問題過程中的關(guān)鍵在于其“深度”，其中的“深度”指的并不是利用這種方法所獲取的更深層次的理解，那么這個(gè)“深”到底體現(xiàn)在什么地方呢？
看到下圖中的大概過程了嗎？沒錯(cuò)，深度學(xué)習(xí)的流程就是經(jīng)過層層篩選、層層選拔、層層遞進(jìn)，然后才可以給出最終的答案，所以這個(gè)“深”就體現(xiàn)在這個(gè)分“層”上。
深度學(xué)習(xí)的本質(zhì)就是人工神經(jīng)網(wǎng)絡(luò)技術(shù)，該技術(shù)模擬人腦中的神經(jīng)元結(jié)構(gòu)，通過人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)反映出來的特征信息進(jìn)行提取，把復(fù)雜的映射分解成具有層次關(guān)系的多個(gè)簡單映射，并通過層次表達(dá)來解決這個(gè)問題，最后得到輸出的結(jié)果。與傳統(tǒng)的機(jī)器學(xué)習(xí)相比，深度神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的泛化能力和更高的學(xué)習(xí)效率，能夠幫助人類解決更為復(fù)雜的問題。
如此抽象的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)，我們是否可以自己進(jìn)行使用，甚至自己進(jìn)行數(shù)據(jù)和答案的建立，自己讓計(jì)算機(jī)進(jìn)行學(xué)習(xí)呢？答案是可以。
Euresys就為我們提供了一個(gè)深度學(xué)習(xí)的軟件（Open eVision Deep learning Studio），用戶可以自己進(jìn)行圖像數(shù)據(jù)的輸入，然后通過軟件自動(dòng)進(jìn)行學(xué)習(xí)，最后查看學(xué)習(xí)的結(jié)果。該軟件采用了向?qū)降牟僮鹘缑妫脩艨梢园凑战缑娴奶崾具x擇工具，并依序完成圖像數(shù)據(jù)集的標(biāo)定、數(shù)據(jù)集劃分、數(shù)據(jù)增強(qiáng)、參數(shù)的設(shè)置、訓(xùn)練結(jié)果確認(rèn)，并使用訓(xùn)練模型進(jìn)行實(shí)際測試。
深度學(xué)習(xí)軟件（Deep learning Studio）一共包含了EasyClassify、EasySegment和EasyLocate。
EasyClassify
EasyClassify是分類工具，并將整個(gè)圖像作為特征。用戶只需標(biāo)記訓(xùn)練圖像（即告知哪些是優(yōu)良圖像，哪些是不良圖像，或哪些圖像屬于哪個(gè)類別），在學(xué)習(xí)過程之后，EasyClassify 庫將對(duì)圖像進(jìn)行分類。對(duì)于提供的任何圖像，它將返回預(yù)測概率，顯示圖像屬于所示類別的可能性。
▲ 食品缺陷檢測、裂縫檢測
應(yīng)用領(lǐng)域：存在/缺失檢查、食品檢驗(yàn)和分類等。
例如，如果流程要求將不良部件與優(yōu)良部件分開，EasyClassify 將返回每個(gè)部件是優(yōu)良還是不良，也會(huì)返回相應(yīng)的概率。
EasySegment
EasySegment是分割工具，將每個(gè)像素的獨(dú)立特征作為基準(zhǔn)，可以進(jìn)行缺陷檢測和分割，識(shí)別有缺陷的部件，并精確指出圖像中的缺陷位置。EasySegment分為無監(jiān)督模式和監(jiān)督模式：
在無監(jiān)督模式下，EasySegment 學(xué)習(xí)何為“優(yōu)良”樣本（即無任何缺陷的樣本）。它在訓(xùn)練時(shí)只使用“優(yōu)良”樣本圖像，即可使用該工具將新圖像按優(yōu)良或缺陷進(jìn)行分類，并分割出這些圖像中的缺陷。
在監(jiān)督模式下，EasySegment學(xué)習(xí)圖像中的缺陷部分、何為“優(yōu)良”部分。這個(gè)過程使用帶有預(yù)期分割的圖像來進(jìn)行訓(xùn)練，即可使用該工具來檢測和分割新圖像中的缺陷。監(jiān)督模式可以達(dá)到更高的精度，由于預(yù)期分割的緣故，相較于無監(jiān)督模式，它可以分割更為復(fù)雜的缺陷。
▲ 異物檢測
應(yīng)用領(lǐng)域：紡織品檢測、字符質(zhì)量檢測、PCB檢測以及各種零部件缺陷檢測等。
EasyLocate
EasyLocate是定位和識(shí)別工具，將圖像中的矩形區(qū)域作為獨(dú)立特征。用于定位和識(shí)別目標(biāo)及產(chǎn)品、圖像中的缺陷，同時(shí)它能夠區(qū)分重疊的目標(biāo)，因此非常適合于目標(biāo)物體計(jì)數(shù)。
▲ 零件定位和計(jì)數(shù)
應(yīng)用領(lǐng)域：零部件檢驗(yàn)和分類、產(chǎn)品包裝存在/缺失檢查、視頻監(jiān)視等。
在生產(chǎn)過程中，借助工具可以實(shí)現(xiàn)精準(zhǔn)地完成自動(dòng)抓取、自動(dòng)上料等操作；在交通運(yùn)輸中，借助工具可以準(zhǔn)確獲取車輛的位置信息。
Deep learning Studio特性
>> 包含用于創(chuàng)建、訓(xùn)練和評(píng)估數(shù)據(jù)集的免費(fèi) Deep Learning Studio 應(yīng)用程序
>> 為機(jī)器視覺應(yīng)用而優(yōu)化的一組 Deep Learning 檢查庫
>> 執(zhí)行圖像分類、有監(jiān)督或無監(jiān)督的分割和目標(biāo)定位
>> 包含EasyClassify、EasySegment和EasyLocate
>> 簡單 API
>> 支持?jǐn)?shù)據(jù)增強(qiáng)和掩碼
>> 適用于Windows和Linux
>> 兼容 CPU 和 GPU 處理
