LOGICIELS DE VISION

De l'outil paramétrable aux librairies de

traitement d'image modernes

CVB Polimago

Outil pour la reconnaissance rapide et fiable d'objets polymorphes

CVB Polimago est parfaitement adapté à toute application où l'objet cible est variable, y compris pour les applications industrielles où il est difficile de définir les défauts avec précision.

Le principal avantage de CVB Polimago est son efficacité : à l'aide d'un petit nombre de données de départ et d'un faible effort de calcul, il fournit des résultats impressionnants. Il rend possible des applications, en particulier dans le secteur industriel, impossibles à mettre en oeuvre autrement. CVB Polimago prend également en charge une partie de la complexité du processus d'apprentissage plus grande que la plupart des autres outils basés sur les réseaux de neurones convolutifs (CNN). Il permet ainsi à un public plus large d'avoir accès à l'apprentissage automatique.



L'apprentissage automatique et le deep learning sont des sujets plus que jamais d'actualité dans le secteur de la vision industrielle. Reposant en grande partie sur l'interconnectivité des réseaux de neurones, ces techniques d'apprentissage présentent toutefois des inconvénients inhérents à leur nature : elles ont besoin d'un grand nombre d'images de départ à mémoriser et d'un effort de calcul important qui surcharge souvent le processeur, notamment pendant la phase d'apprentissage.

CVB Polimago a tous les avantages d'un outil d'apprentissage automatique (il peut chercher et classer des objets variables par exemple), mais il n'en a pas tous les inconvénients. En général, quelques dizaines d'images par catégorie lui suffisent par exemple pour s'entraîner, comparées aux centaines dont les autres outils ont besoin. Là où la plupart des réseaux de neurones s'appuient sur des GPU afin d'être suffisamment rapides pour une utilisation industrielle, CVB Polimago fonctionne quant à lui sur un CPU standard, souvent plus rapidement que les autres outils. Ces avantages prédestinent CVB Polimago à une utilisation dans de nombreux environnements de vision pour lesquels la durée d'apprentissage et d'exécution de la tâche ainsi que le nombre d'images de départ sont des facteurs déterminants qui doivent rester le plus faible possible. En ce qui concerne son niveau de précision, CVB Polimago fournit des résultats de tests similaires à ceux des autres outils.


Recherche et classement

CVB Polimago s'utilise dans des applications de deux types : pour la recherche et la classification. Un exemple typique est la recherche d'erreurs variables, difficiles à trouver avec une méthode classique. Cette étape peut être suivie d'une phase de classification. Après avoir trouvé la caractéristique-cible par exemple, le système va la classer comme étant spécifique. C'est le cas de la reconnaissance de caractères complexes (OCR), comme pour la lecture de caractères estampillés ou d'écrit manuscrit.

Estimation de poses 3D

Une autre application de CVB Polimago est l'estimation de pose 3D. Pour un objet plat, l'outil peut apprendre les effets de perspective ainsi que la rotation, la mise à l'échelle et la variabilité de l'objet. Ainsi, CVB Polimago peut vous fournir la position x et y, l'échelle ainsi que les angles pour la 3D (alpha, bêta, gamma). Vous obtenez ainsi une description de la position et de la direction 3D de l'objet.

Polimago ou deep learning ?

CVB Polimago peut être utilisé dans des applications pratiquement identiques à celles des réseaux de neurones. Il fait partie de Common Vision Blox, la bilbliothèque d'outils de vision de STEMMER IMAGING. Il utilise une méthode d'apprentissage supervisée par régression pour la recherche et la classification, destinées à la vision industrielle. L'apprentissage supervisé signifie que l’utilisateur connaît au préalable les valeurs de sortie. Pour cela, il a marqué des exemples typiques de caractéristiques dans les images de formation, pour la classification, en précisant une région d'intérêt. Ceci permet à l'algorithme de régression de générer une fonction pour produire la sortie souhaitée. CVB Polimago n’a besoin en général que de 20 à 100 images pour s’entraîner, alors que les CNN peuvent exiger 500 images d'entraînement par classe, ainsi que 500 images correctes de référence. Par exemple, pour une application d’OCR utilisant les caractères alphanumériques A-Z et 0-9, un CNN pourrait avoir besoin de 36 x 500 = 18 000 images d’entraînement.

Utiliser un ensemble réduit d’images de formation est très avantageux, notamment en ce qui concerne la durée de la phase d’entraînement. CVB Polimago est en général plus rapide qu’un CNN, avec un temps habituel compris entre 5 et 20 minutes, contre plusieurs heures pour les autres outils. Si un processus de formation itératif est nécessaire pour évaluer différents paramètres, les CNN deviennent alors encore plus complexes.

CVB Polimago est conçu pour fonctionner sur une plateforme CPU et atteint des vitesses comparables à celles d'un CNN qui utilise une accélération GPU. Comme Polimago n'a pas besoin de processeur graphique, il peut être utilisé sur un PC compact plutôt que sur un PC monté en rack 19". En général, CVB Polimago exécute la recherche en quelques dizaines de millisecondes, vitesse comparable à celle des réseaux de neurones accélérés par GPU. Les tâches de classification pure sont quant à elles beaucoup plus rapides avec CVB, souvent inférieures à une milliseconde.

CVB Polimago est disponible à un coût nettement inférieur à celui de nombreux outils CNN et présente également l'avantage d'être disponible pour la première fois pour Linux (sur les plateformes Intel et ARM) dans la version CVB 2019 (sortie prévue pour le troisième trimestre 2019). Il peut ainsi aussi être utilisé dans des applications de vision embarquée.


Marchés et applications

  • Les applications avec CVB Polimago sont diverses. Il peut s'agir de recherche et de suivi d'objets naturels ou en constante évolution, ce qui convient parfaitement à l'industrie agro-alimentaire.

  • L'apparence changeante d'un objet peut également être due à l'éclairage. CVB Polimago est donc idéal pour les applications en extérieur ou pour celles où les conditions d'éclairage changent, comme dans les domaines de l'agriculture et des transports.

  • Les applications de classification avec CVB Polimago sont similaires à celles de recherche de formes, avec en supplément, une prise de décision entre diiférents types de formes apprises. Ainsi, CVB Polimago sera utile pour la lecture de caractères (OCR), la classification par sexe, la reconnaissance du type de véhicule ou la classification des défauts.


Afficher produits

Licences

CVB POLIMAGO

Outil universel de recherche d'objets polymorphé

  • Algorithmes basees sur régularisation Tychonoff
  • inclus l'outil pour créer les classificateurs

CVB POLIMAGO 2L

licence supplementaire pour applicatif POLIMAGO

Fichier Rubriques Taille
Common-Vision-Blox-CVB-Overview-en
Documents
2,0 Mio