深度學習在解決復雜問題過程中的關鍵在于其“深度”，其中的“深度”指的并不是利用這種方法所獲取的更深層次的理解，那么這個“深”到底體現在什么地方呢？
看到下圖中的大概過程了嗎？沒錯，深度學習的流程就是經過層層篩選、層層選拔、層層遞進，然后才可以給出最終的答案，所以這個“深”就體現在這個分“層”上。
深度學習的本質就是人工神經網絡技術，該技術模擬人腦中的神經元結構，通過人工神經網絡對數據反映出來的特征信息進行提取，把復雜的映射分解成具有層次關系的多個簡單映射，并通過層次表達來解決這個問題，最后得到輸出的結果。與傳統的機器學習相比，深度神經網絡具有更強的泛化能力和更高的學習效率，能夠幫助人類解決更為復雜的問題。
如此抽象的神經網絡和深度學習技術，我們是否可以自己進行使用，甚至自己進行數據和答案的建立，自己讓計算機進行學習呢？答案是可以。
Euresys就為我們提供了一個深度學習的軟件（Open eVision Deep learning Studio），用戶可以自己進行圖像數據的輸入，然后通過軟件自動進行學習，最后查看學習的結果。該軟件采用了向導式的操作界面，用戶可以按照界面的提示選擇工具，并依序完成圖像數據集的標定、數據集劃分、數據增強、參數的設置、訓練結果確認，并使用訓練模型進行實際測試。
深度學習軟件（Deep learning Studio）一共包含了EasyClassify、EasySegment和EasyLocate。
EasyClassify
EasyClassify是分類工具，并將整個圖像作為特征。用戶只需標記訓練圖像（即告知哪些是優良圖像，哪些是不良圖像，或哪些圖像屬于哪個類別），在學習過程之后，EasyClassify 庫將對圖像進行分類。對于提供的任何圖像，它將返回預測概率，顯示圖像屬于所示類別的可能性。
▲ 食品缺陷檢測、裂縫檢測
應用領域：存在/缺失檢查、食品檢驗和分類等。
例如，如果流程要求將不良部件與優良部件分開，EasyClassify 將返回每個部件是優良還是不良，也會返回相應的概率。
EasySegment
EasySegment是分割工具，將每個像素的獨立特征作為基準，可以進行缺陷檢測和分割，識別有缺陷的部件，并精確指出圖像中的缺陷位置。EasySegment分為無監督模式和監督模式：
在無監督模式下，EasySegment 學習何為“優良”樣本（即無任何缺陷的樣本）。它在訓練時只使用“優良”樣本圖像，即可使用該工具將新圖像按優良或缺陷進行分類，并分割出這些圖像中的缺陷。
在監督模式下，EasySegment學習圖像中的缺陷部分、何為“優良”部分。這個過程使用帶有預期分割的圖像來進行訓練，即可使用該工具來檢測和分割新圖像中的缺陷。監督模式可以達到更高的精度，由于預期分割的緣故，相較于無監督模式，它可以分割更為復雜的缺陷。
▲ 異物檢測
應用領域：紡織品檢測、字符質量檢測、PCB檢測以及各種零部件缺陷檢測等。
EasyLocate
EasyLocate是定位和識別工具，將圖像中的矩形區域作為獨立特征。用于定位和識別目標及產品、圖像中的缺陷，同時它能夠區分重疊的目標，因此非常適合于目標物體計數。
▲ 零件定位和計數
應用領域：零部件檢驗和分類、產品包裝存在/缺失檢查、視頻監視等。
在生產過程中，借助工具可以實現精準地完成自動抓取、自動上料等操作；在交通運輸中，借助工具可以準確獲取車輛的位置信息。
Deep learning Studio特性
>> 包含用于創建、訓練和評估數據集的免費 Deep Learning Studio 應用程序
>> 為機器視覺應用而優化的一組 Deep Learning 檢查庫
>> 執行圖像分類、有監督或無監督的分割和目標定位
>> 包含EasyClassify、EasySegment和EasyLocate
>> 簡單 API
>> 支持數據增強和掩碼
>> 適用于Windows和Linux
>> 兼容 CPU 和 GPU 處理
