经过多年深耕，Euresys开发的众多优质图像分析库和软件工具深得机器视觉行业认可。其最新推出的深度学习软件包（Deep Learning Bundle），完善了一系列常用的图像处理库，满足了广大半导体和电子行业机器生产商的需求。

什么是深度学习库？

深度学习库（Deep Learning libraries)是一个由不同软件工具组成的软件包，它可以满足深度学习过程中所必须的分类、分割和定位三大功能。在Euresys产品链中，这些工具也属于Open eVision Deep Learning Bundle的一部分，可以与免费的Deep Learning Studio 结合使用。

什么是深度学习？

神经网络是受构成人脑生物神经网络的启发而发明的计算机系统。其中，卷积神经网络(CNN)是一种深度、前馈的人工神经网络，最常用于图像分析。深度学习利用庞大的卷积神经网络(CNN)来解决传统计算机视觉算法中很难解决或者无法解决的复杂问题。

深度学习算法的简易操作性得益于其示例学习模式，该算法不需要用户对对象进行分类或检测。在训练初期，它们从无数张待检测对象中学习，一旦训练完成，便可实现分类、检测和缺陷对象分割等功能。

那么，这三个功能是如何来实现的呢？

分类

EasyClassify 是深度学习软件包中的分类工具， 是一个用于缺陷检测和产品识别的图像分类库。EasyClassify要求用户标记训练图像, 以实现图像的优劣判断或者对图像进行分类。经过学习/训练，EasyClassify库就能够实现图像分类了。系统在接收到图像信息后，会返回到曾经学习过的图像库中去寻找对应的分类。也就是说，如果我们需要区分图像中的优质和劣质对象，EasyClassify 可以做出区分并显示其各自占比。

图 分类功能的实际应用

分割

EasySegment 是 Deep Learning Bundle的分割工具，用于简化目标对象与缺陷对象的分割过程。它可以识别缺陷图像，并精确标注其位置。在监督模式下，EasySegment在已知缺陷的图像库中分别学习缺陷对象和优质对象，最终检测和分割出缺陷对象。通过对缺陷对象的预先学习，EasySegment的监督模式可以达到更高的精确度，相较于非监督模式，它可以分割出更为复杂的缺陷对象。

图 监督模式下的分割功能的实际应用

在非监督模式下，EasySegment只需要学习“优质”对象（即无任何缺陷的对象)， 便可对新图像的优劣进行分类并分割出缺陷对象。由于只学习优质对象，EasySegment的非监督模式在缺陷对象类型未知或者不易被检测的情况下，也能进行检测。

图 非监督模式下的分割功能的实际应用

定位

EasyLocate是Deep Learning Bundle的定位和识别库，用于定位和识别图像中的目标、产品或缺陷对象。EasyLocate可以辨别重叠对象，因此适用于实例对象的计数。

EasyLocate通过以下两种方式定位：

1. EasyLocate轴对齐边框法：预测图像中每个目标对象或者缺陷对象的边框并为其分配分类标签。该方法只适用于已有边框和分类标签的目标或者缺陷对象的图像训练。

图 轴对齐边框法定位的实际应用

2.  EasyLocate兴趣点法：预测在图像中找到的每个目标（或缺陷对象）的位置（通常为对象的中心点）并为其分配标签，且图像中的所有对象必须尺寸相近。该方法只适用于已有简单兴趣点和分类标签标注的对象（或缺陷对象）的图像训练, 但可以实现快捷的一键操作。

图 兴趣点法定位的实际应用