ツールと設定

Deep Learning Studio

To create an EasySegment Supervised project in Deep Learning Studio:

1. Deep Learning Studioを開始します。
2. Create a new project and select EasySegment Supervised in the New deep learning project dialog. .

The following dialog is displayed when clicking on New in the Open a project dialog displayed at the start of Deep Learning Studio or when you click on New in the toolbar.

構成

教師ありセグメンテーションツールには5つのパラメーターがあります。

1. ニューラルネットワークの容量（デフォルト：標準）は、学習可能な情報の量を表します。容量が大きいと、ツールの速度が遅くなります。

APIでは：

□ The capacity is represented by the enumerate type ESupervisedSegmenterCapacity.
□ ESupevisedSegmenter::Capacity sets the capacity of the tool.
2. 画像タイプ（デフォルト：モノクロ（1チャンネル））：

APIでは：

□ To use monochrome (grayscale, 1 channel) images, set ESupervisedSegmenter::ForceGrayscale to true.
□ To use color (3 channels) images, set EUnsupervisedSegmenter::ForceGrayscale to false.
3. The Sampling density (ESupervisedSegmenter::SamplingDensity) is the parameter of the sliding window algorithm used to process whole images using patches of size (ESupervisedSegmenter::PatchSize).
□ これは、イメージパッチ間のオーバーラップの程度を示します。

100 - 100 / (%)

□ 実際には、2つの連続したパッチ間のストライドは：

PatchSize / SampleDensity (ピクセル)

4. The Patch size (ESupervisedSegmenter::PatchSize) is the size of the patches processed by the neural network.
□ By default, the patch size is determined automatically from the images in the training dataset.
□ You can also select the resolution of the patch size from the drop down list.

5. Use the Scale (ESupervisedSegmenter::Scale) to automatically resize your images to a lower resolution and accelerate the processing.

Deep Learning Studio：

□ データに異なる解像度の画像が含まれている場合、Input widthとInput heightが与えられたスケールでの解像度の範囲を示します。
□ データセット内のすべての画像が同じ解像度を持つ場合、Input widthまたはInput heightを編集してスケールを変更します。

学習

ツールをトレーニングするには、ディープラーニングツールのトレーニングを参照してください。