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

1. 创建网络和数据预处理
2. 训练网络
3. 评估训练的效果
4. 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