halcon 深度学习标注_halcon深度学习： 分类

分类

本章说明了如何在训练和推理阶段使用基于深度学习的分类。

基于深度学习的分类是一种方法，其中图像获得一组分配的置信度值。这些置信度值指示图像属于每个区别类别的可能性。因此，如果仅考虑最高预测，则分类意味着将给定类别集中的特定类别分配给图像。下面的模式对此进行了说明。

orange:0.03apple:0.85lemon:0.12

一个可能的分类示例，其中网络区分三个类别。输入图像获得为三个不同类别中的每个类别分配的置信度值：“苹果” 0.85，“柠檬” 0.03和“橙色” 0.12。最高预测告诉我们，该图像被识别为“苹果”。

为了执行您的特定任务，从而将数据分类为您要区分的类，必须对分类器进行相应的训练。在HALCON中，我们使用一种称为转移学习的技术(另请参阅“深度学习”一章)。因此，我们提供了经过预训练的网络，这些网络代表了已针对大量带标签图像数据进行训练的分类器。这些分类器已经过培训和测试，可以很好地完成工业图像分类任务。这些分类器之一已经接受了一般分类的培训，现在可以针对您的特定任务进行重新训练。为此，分类器需要知道，要区分哪些类以及此类示例的外观。这由您的数据集表示，即具有相应地面真相标签的图像。有关数据要求的更多信息，请参见“分类数据”部分。

有关应用深度学习分类的特定系统要求，请参阅HALCON“Installation Guide”。

操作员工作流程

请查看HDevelop示例classify_fruit_deep_learning.hdev，以获取简短简要的概述以及classify_pill_defects_deep_learning.hdev更复杂的工作流程(均可在参考资料中找到examples/hdevelop/Deep-Learning/Classifi