Software voor objectdetectie en foutdetectie

In vier stappen van foto's naar een getest model

Bij elke stap zie je wat je moet doen. Hoe de AI vanbinnen werkt, hoef je niet te weten.

1Dataset maken

Maak een dataset en geef de dingen een naam die het model moet leren herkennen, zoals 'bout' of 'kras'. Dat zijn je klassen. Daarna markeer je ze op je foto's: met een bounding box om elk object, met de precieze omtrek (polygoon), of met keypoints op vaste plekken ervan. Bij een omtrek helpt SAM 2: je klikt één keer op het object en de app tekent de omtrek, die je daarna kunt bijstellen.

Je krijgt een gelabelde set foto's, die automatisch wordt verdeeld in foto's om op te trainen en foto's om mee te testen.

  • Auto-label. Heb je eenmaal een getraind model, dan kan dat nieuwe foto's voor je labelen. De voorstellen komen als concept in het labelscherm; jij controleert ze, verbetert wat niet klopt en slaat op.
  • Augmentatie. Voeg gespiegelde, gedraaide of lichtere kopieën van je foto's toe, zodat het model van meer voorbeelden leert.
  • Auto-balance. Heeft één klasse veel minder voorbeelden dan de rest, dan voegt de app daar extra uitsneden van toe aan de trainingsfoto's.
  • Label Studio. Label je al in Label Studio, een los labelprogramma? Dan kun je die labels importeren.
Het labelscherm van Devimation Studio: bouten, ringen en moeren met hun omtrek getekend, en SAM 2 die met een paar klikken de omtrek van nog een bout tekent

2Model trainen

Kies je dataset en een modelgrootte en druk op Training starten. De training draait op je eigen GPU. Je kunt hem stoppen en later verdergaan waar hij gebleven was.

Je krijgt een getraind model, met een score en een grafiek die laten zien hoe goed het leert. Een ingebouwde rondleiding legt uit wat die score betekent.

  • Drie soorten modellen. Het ene vindt objecten en zet er een bounding box omheen (Faster R-CNN). Het tweede zet er ook keypoints op (Keypoint R-CNN). Het derde volgt de precieze omtrek van elk object (Mask R-CNN).
  • Drie groottes. Een groter model kan nauwkeuriger zijn, maar heeft meer VRAM nodig. Hoeveel, zie je voordat je begint.
Het trainingsscherm van Devimation Studio tijdens een training, met de voortgang, de beste score tot nu toe en een grafiek van de score per ronde

3Model testen

Laat het model los op testfoto's die het tijdens de training niet heeft gezien, of op je eigen foto's.

Je krijgt de foto's met wat het model heeft gevonden, een score per klasse en een confusion matrix: een tabel die laat zien welke klassen het model met elkaar verwart, met de grootste fouten eronder op een rij. Modellen met omtrekken worden beoordeeld op die omtrek, niet alleen op een kader.

De confusion matrix van Devimation Studio bij een test, met eronder een lijst van de grootste fouten, zoals een moer die voor een ring wordt aangezien

4Modellen vergelijken

Al je geteste modellen staan in één ranglijst, de beste bovenaan. Kies er twee, bijvoorbeeld een van vóór en een van na het toevoegen van extra foto's.

Je ziet hun scores en resultaten naast elkaar, dus je ziet meteen welke beter is. Die houd je.

De modellenranglijst van Devimation Studio: vier geteste modellen in één tabel met hun scores, de beste bovenaan, waarvan er twee zijn aangevinkt om te vergelijken

Wat je nodig hebt

Computer

Windows 10 (versie 2004 of nieuwer) of Windows 11, 64-bit. Een NVIDIA-GPU met minstens 4 GB VRAM (geheugen van de GPU) en een recente driver met ondersteuning voor CUDA 12.1. Minstens 16 GB RAM, en zo'n 10 GB vrije schijfruimte plus ruimte voor je foto's en modellen.

Voor sneller trainen

Een GPU met 8 GB VRAM of meer, 32 GB RAM en een SSD. De grootste modelgrootte heeft minstens 10 GB VRAM nodig.

Internet

Alleen om in te loggen met je Devimation-account, waarmee je licentie actief wordt, en om per modelgrootte eenmalig het basismodel te downloaden waar de training op voortbouwt.

Taal

De app werkt in het Nederlands, Engels, Duits, Frans en Spaans.

Een backend nodig?

Heb je een backend nodig die het model aan je eigen programma koppelt, of een model voor een specifieke toepassing? Beschrijf wat je nodig hebt, dan kijken we of we het voor je kunnen bouwen.

Backend-aanvraag sturen