海康VisionTrain平台使用

海康VisionTrain使用

1 数据集建立和标注

新建数据集

打开Vision Train 2.2.0，自定义数据集名称和本地保存数据集的路径，选择需要的训练类型，然后点击新建

数据导入

点击新建后的界面左侧，可以导入需要标注和训练的图像数据

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/0fede1e22c0a48518e572c8880c10c1f.png#pic_center

数据标注

固定形状标注区域：

多边形标注：

画笔涂抹标注区域：

自定义标注标签：

2 数据训练及测试

划分训练集和测试集

VisionTrain内的数据集划分是划分的测试集，非训练集

设置训练参数

3 训练结果评估

4 检测流程构建

5 范例

数据集

数据集本地路径：

E:\dataset\Avary\ava_frontv1

数据集名称：

ava_frontv1

测试集划分情况

训练集：133 测试集 55 训练集占比：71%
原图分辨率：2700*2600
原图大小：180KB~200KB

标签类别	训练	测试	合计
1	192	75	267
2	46	20	66
3	19	11	30
4	24	8	32
5	77	33	110
OK	1	0	1
合计	359	147	506

训练参数

训练集：133 测试集 55 训练集占比：71%
原图分辨率：2700*2600
原图大小：180KB~200KB

日期：202407311623
GPU:Nvidia RTX A2000
显存：6GB
模型生成位置：E:\dataset\Avary\ava_frontv1\models
模型名称：20240730T1616175396
目标平台：VM平台
版本：VM-GPU
VM版本：VM440
训练类型：单图像分割
模型能力：中
批大小：4
自动超参：不启用

图像通道数：3
类别均衡：不启用
图像裁剪尺寸：不裁剪
缺陷类型：常规
迭代轮次：300
是否大图：否
多分类输出优化：关闭
数据增强策略：默认配置

预估训练时长：

6 优缺点总结

优点

1. 现有UI界面，集数据标注、模型训练、模型测试、模型检测于一体。
2. 可输出模型并可结合C#等二次开发窗口，直接在自定义界面展示VisionMaster的测试流程结果。
3. VisionMaster可组合流程多。

缺点

1. 模型量少，只有小、中、大三种模型能力，且无法自定义调整
2. 数据标注不能将原图、标注文件、标注掩膜自动分开保存
3. 数据集划分只有训练集和测试集，不包括验证集
4. 训练可视化结果过于简洁
   Master可组合流程多。

缺点

1. 模型量少，只有小、中、大三种模型能力，且无法自定义调整
2. 数据标注不能将原图、标注文件、标注掩膜自动分开保存
3. 数据集划分只有训练集和测试集，不包括验证集
4. 训练可视化结果过于简洁
5. 训练过程中无法将每个epoch和iteration的loss等结果实时动态输出