자동화된 시각적 검사를 위한 딥 러닝 플랫폼

딥 러닝을 구현하는 자동화된 시각적 검사(AVI) 시스템의 개발 및/또는 수정을 촉진하는 기술이 본원에 개시된다. 일부 양태는, 딥 생성 모델을 이용하여 실제 용기의 이미지를 디지털적으로 수정하고/하거나 합성 용기 이미지를 생성하는 것과 같은, 크고 다양한 훈련 이미지 라이브러리의 생성을 촉진한다. 다른 양태는, 훈련 이미지의 픽셀 크기를 자동적으로 감소시키는 것(예를 들어, 다운-샘플링하고/하거나 용기 이미지를 선택적으로 자르는 것)에 의한 것과 같이, AVI 시스템 내의 신경망으로, 훈련 및/또는 추정을 위한 프로세싱 리소스의 이용을 감소시킨다. 또 다른 양태는, 신경망에 의해서 생성된 히트맵 또는 경계 상자를 자동적으로 분석하는 것에 의해서 AVI 신경망을 테스트하거나 인증하는 것을 촉진한다. 다른 다양한 기술이 또한 본원에 개시된다. Techniques that facilitate the development and/or modification of an automated visual inspection (AVI) system that implements deep learning are described herein. Some aspects facilitate the generation of a large and diverse training image library, such as by digitally modifying images of real-world containers, and/or generating synthetic container images using a deep generative model. Other aspects decrease the use of processing resources for training, and/or making inferences with, neural networks in an AVI system, such as by automatically reducing the pixel sizes of training images (e.g., by down-sampling and/or selectively cropping container images). Still other aspects facilitate the testing or qualification of an AVI neural network by automatically analyzing a heatmap or bounding box generated by the neural network. Various other techniques are also described herein.