top of page
![[Neurocle] Logo_white.png](https://static.wixstatic.com/media/242158_0a4304ae861e4107925bc861d88c280f~mv2.png/v1/fill/w_150,h_21,al_c,q_85,usm_0.66_1.00_0.01,enc_avif,quality_auto/%5BNeurocle%5D%20Logo_white.png){kind=small}
New Features
신규 버전 4.1의 우수한 기능들을 경험해보세요.
고해상도 이미지를 패치로 분할하여 학습
Patch Classification Model
고해상도 이미지 데이터 내의 미세 결함을 검출하는 데에
유용합니다. 이미지를 패치로 분할하여 학습하기에, 유실
영역 없이 정상과 불량을 판단하여 미검을 최소화합니다.
유실 영역 없이 결함을 학습
Patch Mode of GAN Model
GAN 모델 학습 시에 이미지를 패치로 분할하여 결함을
학습합니다. 유실 영역 없이 결함을 학습하기에, 보다
정확한 가상 결함 이미지를 생성하여 모델 정확도를
향상할 수 있습니다.
다양한 운영 체제와 플랫폼 지원
Runtime 프로세서 확장
NVIDIA CUDA, Open VINO, Direct ML등 런타임 프로세서를 지원합니다. 또한 CPU, GPU 뿐만 아니라 Embedded Board, NPU등 플랫폼을 확장하여 모델 구동 프로세서의 선택지를 넓혔습니다.
.png)
버튼 클릭만으로 레이블 형태를 변환
Shape Converter
버튼 클릭만으로 박스 형태의 레이블 영역을 폴리곤 형태의 정교한 레이블 영역으로 변환합니다. 최소한의 리소스만 투입하여 세밀한 영역의 레이블링을 진행할 수 있습니다.
모델 내 연산을 단순화하여 검사 속도 향상
Quantization
가벼운 기기에서 빠른 모델 추론이 필요한 경우 사용할 수 있는 학습 기법입니다. 높은 검사 정확도는 유지하고 검사 속도를 향상시키기에 다양한 환경에 구애받지 않고 모델을 적용할 수 있습니다.
bottom of page