Halcon深度学习目标检测例程学习经验(1)
Halcon深度学习目标检测例程学习
Halcon例程中提供了深度学习例程,作为一个深度学习的初学者,我记录了自己学习目标检测例程第一部分prepare的想法。
目标检测例程分为四个部分
- 创建网络和数据预处理
- 训练网络
- 评估训练的效果
- 测试新图像
本文介绍学习第一部分创建网络和数据预处理的经验和一些想法。
一、可视化
最前面一部分是可视化,可以将ShowExampleScreens设为false来取消可视化,可以不管他。这里面注意一个本地函数的概念,是将很多函数封装起来,仅在这一个程序中可用,可以右键显示函数来查看。
二、Set Parameters 设置参数
• 设置使用的“目标检测”方法,halcon提供两种方法,“pretrained_dl_classifier_compact.hdl”和“pretrained_dl_classifier_enhanced.hdl”。前者简单,后者比较复杂但是更准确消耗更多。
• 设置类别的数量。
• 指定预处理后的图像大小和通道数。
• 设置训练、验证、测试数据集的比例。
• Seed 暂时没明白是干什么的
三、设置输入输出路径
• 输入路径有两个,一个是图像路径HalconImageDir,一个是Json文件路径PillBagJsonFile。这两个参数用于后续在图像路径中读取coco文件。
• 输出路径首先定义一个新的文件夹路径“detect_pills_data”,用于存放样本和模型文件等数据。
设置基于深度学习的目标检测