Halcon深度学习介绍(一)

Halcon深度学习介绍
#1、软件版本说明
  Halcon自从18版本以后，便支持深度学习，其中18、19版本训练时候要求电脑必须有GPU，并且是英伟达独立显卡才可以，检测有无GPU都可以，而20、21版本等不仅可以GPU训练，更支持CPU训练，对于配置低的使用者或者小白是非常友好的。安装的时候需要先安装halcon、再安装deep-learning数据库，并且要配套使用才可以。比如halcon-18.11.0.1-windows、halcon-18.11.0.1-windows-deep-learning是一起的，cuda_10.0.130_411.31_win10驱动，对于没有独立英伟达显卡的，建议就直接安装halcon20以上版本。当然，无论检测还是训练，有显卡的话训练效率会高，特别要注意的事情是显卡出现的年份要比halcon对应版本低，不然大概率不支持。
#2、软件版本主要区别
  Halcon18、19是有分类、目标检测、语义分割，halcon20、21有分类、目标检测、语义分割、差异值检测，特别牛的是halcon21有DeepOCR,不用训练，而且可以直接进行字符识别检测。
#3、什么是深度学习
  深度学习分为训练及检测两个主要部分，验证就忽略了。通俗讲，就是首先我们收集大量的图片，然后将图片中的检测区域框出来，然后送入程序进行学习，这就是训练；训练完成后会输出一个hdl文件，里边存储的就是学习到的内容，也叫权重。检测，就是拿到新的图片，用刚才学习到的hdl权重，去进行检测，从图片中直接检测出目标。整个过程就是检测+训练，称为深度学习，至于训练的效果如何，可以直接用多张图进行验证评估。一般至少20多张图片就会训练有效果，当然越多越好，理论上图片越多，训练越好，检测效果越佳。
#4、深度学习分类
##（1）分类
  分类是对整张图进行处理，也就是输入一张图，告诉你是ok还是ng，或者更多的种类，当然训练的时候也需要进行分文件夹，命名不同的类别进行训练。分类的优势就是，不需要标注，非常方便进行训练以及检测，缺点就是只能整图判断是哪个类别，没法具体到某个目标区域或者像素，适合整体分类、整体缺陷判断。当然，如果把图像裁剪下来，也可以进行局部分类深度学习。

##（2）目标检测
  目标检测是通过矩形框标注后进行训练，然后识别时可以直接输入图片，输出检测结果框，并且包含类别名称，识别需要检测具体位置，但是又不精确到具体轮廓的检测项目，比如划痕、油污等检测。优点是可以检测出具体位置，并且可以区分类别，缺点是标注工作相对麻烦，并不能完全精确到像素。

##（3）语义分割
  语义分割是进行像素级的训练以及检测，可以将缺陷的整个区域进行描述出，对于一些需要完整轮廓的检测是必须的。优点是可以精确到像素，缺点是标注工作很大，因为要每个区域去画。

##（4）差异值检测
  差异值检测比较有趣，直接输入ok与ng图片，便可以检测出两部分的差异区域，再有新图输入时候，是可以检测出ng，并且将ng的区域画出来，但是论单独效果，检测效果不如目标检测，比较尴尬。

以上纯属个人理解，如有理解不到位地方，欢迎留言交流。顺便初篇试试水，反馈好的话，再继续更新。