SB SDK

libreria

SB SDK è una libreria scritta in C/C++ basata sulla intelligenza artificiale
per la elaborazione delle immagini

Integra in un’unica libreria dinamica i moduli: Retina, Surface, Deep Cortex e Deep Surface.

I prodotti possono essere suddivisi in due famiglie in base alla loro funzionalità:

MODULI PER LA RICERCA DEI DIFETTI SULLA SUPERFICIE DI OGGETTI

• Surface
• Depp Surface

MODULI PER LA RICERCA E LA CLASSIFICAZIONE DI OGGETTI

• Retina
• Deep Cortex

RICERCA
OGGETTI

Retina
Surface
Deep Surface

CLASSIFICAZIONE
OGGETTI

Retina
Deep Cortex

CLASSIFICAZIONE
BUONO / SCARTO

Retina
Deep Cortex

OCR

Retina

RICERCA DIFETTI
SUPERFICIALI

Surface
Deep Surface

Oppure possono essere suddivisi in base alla tecnologia utilizzata:

SHALLOW LEARNING

• Retina
• Surface

DEEP LEARNING

• Deep Cortex
• Deep Surface

	RETINA / SURFACE	DEEP SURFACE / DEEP CORTEX
TECNOLOGIA	Shallow learning	Deep Learning
FEATURE	Codifica fissa (0A, 0B, 2A ecc.)	Vengono estratte in automatico durante la fase di addestramento
HARDWARE	CPU	CPU/GPU (consigliata la GPU) GPU NVIDIA
NUMERO DI IMMAGINI PER L’ADDESTRAMENTO	Decine	Decine per Deep Surface, Centinaia per Deep Cortex
CAPACITÀ DI GENERALIZZAZIONE	Ridotta	Alta

Surface e Deep Surface implementano la stessa funzionalità ma con tecniche differenti. Deep Surface ha la capacità di risolvere problemi molto più difficili di quelli che riesce a risolvere Surface perché è stato sviluppato con tecniche di Deep Learning invece che di Shallow Learning.

Il formato dei dati ingresso e la struttura dei risultati dei moduli Surface e Deep Surface è identico, questo permette di passare molto facilmente da un modulo all’altro in modo da poter scegliere il modulo migliore per il problema da risolvere.

SURFACE

DEEP SURFACE

CARATTERISTICHE

GESTIONE
MULTI-MODELLO

GESTIONE
DELLA SCALA

GESTIONE MODELLI
COLLABORANTI / CONCORRENTI

SENSIBILITÀ RUNTIME
REGOLABILE

Esporta un insieme completo di funzioni per gestire:

• Soluzioni multi-progetto
• Etichettatura delle immagini
• ROI (Region Of Interest) generiche
• Addestramento supervisionato (SVL-SuperVised Learning)
• Elaborazione delle immagini (SuperVised Learning)
• Perturbazioni immagini per migliorare l’addestramento

É disponibile per i sistemi operativi:

• Windows (ambienti C/C++ e dotnet C)
• Linux (ambiente C/C++)
• Android (ambiente C/C++)

Facile da integrare nel vostro software:

• Integrazione minima: integrate solo il codice necessario per
la elaborazione delle immagini mentre, per l’addestramento,
utilizzate la SB-GUI
• Integrazione completa: integrate l’etichettatura, l’addestramento e la elaborazione delle immagini

Supporta:

• I seguenti formati di immagine: pgm, ppm, bmp, png, tiff, jpeg sia a colori (RGB o BGR, 24bit) che a livelli di grigio (8bit)
• L’elaborazione multi thread e multi core

È possibile cross-compilare la libreria anche per sistemi embedded

Requisiti di sistema:

• Architetture: x86 (CPU Intel o AMD), ARM
• Sistemi operativi: Windows 32 o 64 bit, Linux 64 bit, Android
• RAM: minima consigliata 8GByte
• HD: minima consigliata 64GByte
• GPU NVidia: utilizzata, ma non necessaria, dai moduli Deep Cortex e Deep Surface