C#基于Halcon深度学习分类例程DeepLearning_Classification_MNIST_Halcon

最新推荐文章于 2024-06-12 09:09:37 发布
最新推荐文章于 2024-06-12 09:09:37 发布
阅读量4.6k 收藏 37
点赞数 11
文章标签： Halcon Deep Learning C# MNIST Classification
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiang_1991/article/details/103349637
版权
用C#写的基于Halcon深度学习分类例程，可以当分类工具使用，能够快速训练和测试分类模型，操作非常直观方便！本例基于Halcon深度学习，运行需要安装Halcon深度学习环境，参考https://blog.csdn.net/xuanbi8560/article/details/80911015本例软件配置如下：1、halcon-19.05.0.0-windows.exe2、halco...
摘要由CSDN通过智能技术生成

用C#写的基于Halcon深度学习分类例程，可以当分类工具使用，能够快速训练和测试分类模型，操作非常直观方便！

本例基于Halcon深度学习，运行需要安装Halcon深度学习环境，参考https://blog.csdn.net/xuanbi8560/article/details/80911015

本例软件配置如下：
1、halcon-19.05.0.0-windows.exe
2、halcon-19.05.0.0-windows-deep-learning.exe
3、cuda_10.1.243_426.00_win10.exe
4、cudnn-10.1-windows10-x64-v7.6.4.38.zip
5、Visual Studio 2019
硬件配置：
CPU：英特尔 Core i7-6700HQ @ 2.60GHz 四核
GPU：Nvidia GeForce GTX 950M ( 2 GB / 联想 )

简要操作过程：

1 预处理图像
1.1 选择图像目录
所选目录可以是同时包含训练图像和测试图像的主目录,也可以是训练图像目录或测试图像目录,优先选择主目录.如本例提供图片选择mnist_images、Train_images或Test_images目录（不知道本例图片在哪的请先将“mnist_images.rar”解压后使用）. 如果使用要其它图像数据集进行训练和测试，需要目录格式与本例一致.

1.2 预处理图像
在进行此步图像预处理时，如果使用其它图像，可以先对图像进行裁剪、旋转、翻转或滤波等普通图像处理,然后再使用深度学习算法处理图像使其能够用于训练.参考H

最低0.47元/天 解锁文章
「已注销」
关注
  • 11
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
Halcon DeepLearning深度学习模型训练及预测流程（目标检测为例）
weixin_42511814的博客
08-09 3931
😐 😐 😐。
Halcon Deep Learning Classification 和 C# 客户端调用模型进行识别
iml6yu的博客
11-08 2408
将程序classify_pill_defects_deep_learning_1_preprocess.hdev打开进行修改，修改后代码如下。为了简化写代码的过程，我们可以使用halcon的demo程序进行修改，demo程序位置如下。在 DL（Halcon 标注工具）工具中新建一个分类项目，如下图导入图片并且标注。需要一个有GPU的电脑，如果没有，不建议用cpu尝试，浪费时间。重复如上操作，将所有分类图片都标注成功后，导出数据。数据预处理，F5运行，效果如下。，安装完成后进行训练，代码如下。
「C#联合Halcon深度学习源码」：基于深度学习与Halcon的继电器零件识别与分类，C#联合Halcon深度学习源码，实现工厂零件的高效识别与分类
最新发布
jFwiiEZSEl的博客
06-12 439
摘要：本文介绍了一种基于C#和Halcon联合深度学习的继电器识别技术，该技术可以有效解决在Halcon等图像处理算法不稳定的情况下的识别问题。总结：本文通过介绍基于C#与Halcon联合深度学习的继电器识别技术，详细阐述了零件识别案例以及深度学习模型的设计与训练。提供继电器零件的数据集和联合halcon的源码实现常规的物体分类和继电器零件分类两个运行文件夹，可以在非gpu电脑上面运行。阐述C#与Halcon联合应用的优势，包括Halcon稳定的算法库与C#强大的功能扩展性的结合，提高了识别准确率和效率。
Deep Learning Tool 22.10 下载安装教程
W9XM96的博客
04-08 2362
Deep Learning Tool 22.10 安装包，及安装教程
用c#写一个深度学习算法代码
qq512929249的专栏
12-27 581
new ConvolutionalLayer(14, 14, 6, 16, 5, 1), // 卷积层，卷积核大小为5x5，输出通道数为16。new ConvolutionalLayer(28, 28, 3, 6, 5, 1), // 输入层，卷积核大小为5x5，输出通道数为6。new MaxPooling(14, 14, 16, 2), // 最大池化层，核大小为2x2，步长为2。new MaxPooling(28, 28, 6, 2), // 最大池化层，核大小为2x2，步长为2。
Halcon 深度学习（二）：目标检测
热门推荐
qq_41373415的博客
04-20 1万+
目录前言一、准备1、准备目标检测所需图片2、用工具将训练图片打上标签（MVTec Deep Learning Tool）2.1、新建项目2.2、打上标签2.3、导出数据集二、编写代码1、创建目标检测模型2、预处理数据3、训练4、评估5、测试 前言 最近学习深度学习时的一些总结和看法，参照深度学习的自带案例（detect_pills_deep_learning_1_prepare.hdev） 一、准备 1、准备目标检测所需图片 images文件夹：训练模型的图片 testImages文件夹：模型训练完后
c# 联合Halcon深度学习 read_dl_model 报错
misaka_10086的博客
11-29 562
反向测试==》直接打开Halcon 20.11程序，read_dl_model也是报错，说明并不是c#导出有问题,判断是Halcon深度学习的版本不同，导致hdl也不一样才会出现读取不了的情况。因为模型文件是别人的，在C#上编译报错，
Halcon深度学习总结
Douhaoyu的博客
06-14 7941
Halcon深度学习
c#联合halcon深度学习+MNIST数据集学习与识别
05-31
内容：通过C#联合halcon编程，实现对深度学习的逐步实现，并且以MNIST数据集的学习识别为应用实例，最终实现对其中的数字进行准确识别。 适用人群：深度学习初学者 场景及目标：一般深度学习应用场景，如字符识别等 ...
深度学习例程--水果分类器.zip_GOOOH.com_backcog_halcon 分类器_halcon水果检测_深度学习
07-15
halcon深度学习例程解析--水果分类器
c#集成Halcon的深度学习软件，带[MNIST例子]数据集【带源码
08-20
开发者可以从中学习如何在C#环境中加载MNIST数据，构建Halcon的深度学习模型，以及如何训练和评估模型性能。 5. **模型训练**：在C#中集成Halcon，开发者需要理解如何使用Halcon的API来定义网络结构，加载数据，...
2023 C#联合Halcon 深度度学习带数据集，1 预处理图像2图像识别测试3误差分析（含导入步骤文档，含中文注释）
09-12
详细1情况看我的文章有具体介绍：https://blog.csdn.net/weixin_43474701/article/details/132823472 1 预处理图像 1.1 选择图像目录 1.2 预处理图像 2 训练分类器 2.1 参数设置 2.3 保存分类器 2.4 误差分析 3 图像识别测试 3.1 读取分类器 3.2 测试分类器 1 预处理图像 1.1 选择图像目录 所选目录可以是同时包含训练图像和测试图像的主目录,也可以是训练图像目录或测试图像目录,优先选择主目录.如本例提供图片选择mnist_images、Train_images或Test_images目录（不知道本例图片在哪的请先将“mnist_images.rar”解压后使用）. 如果使用其它图像，需要目录格式与本例一致. 1.2 预处理图像 在进行此步图像预处理时，如果使用其它图像，可以先对图像进行裁剪、旋转、翻转或滤波等普通图像处理,然后再使用深度学习算法处理图像使其能够用于训练.参考Halcon算子描述preprocess_dl_classifier_images. 预处理后的数据会自动保存在mnist
C#联合halcon开发讲义和源代码.zip
06-04
HALCON联合C#实战案列，内有源码讲义，软件框架设计，HALCON代码生成，软件联合标定设置，创建测量模型，HALCON各功能整合到C#软件框架中，项目软件年打包发布，
HALCON.zip_C# Halcon_c#开发Halcon_halcon_halcon c_视觉测量
09-24
**正文** 本篇将深入探讨使用C#进行Halcon视觉测量技术，特别是在边长测量方面的应用。Halcon，由德国MVTec..."HALCON.ppt"中的内容将帮助我们更全面地了解这一过程，是学习和提升C# Halcon开发技能的重要参考资料。
halcon图像匹配例程.rar_halcon 匹配_halcon 图像匹配_halcon图像匹配例程_匹配 halcon
07-14
通过学习这些例程，你可以快速掌握Halcon的图像处理和匹配技术，并将其应用到自己的项目中。同时，不断实践和调整参数，优化匹配效果，以满足各种实际需求。 总之，Halcon的图像匹配功能强大且灵活，无论是新手还是...
Halcon20--C#与Halcon联合编程时深度学习报错问题记录
NCUTer
11-29 2001
1、VS下调用算子分类算子ApplyDIClassifier时，提示“Halcon error#7718: For this operation thecuDNN library needs to be available(see installation guide)”，但是Hdevelop环境下运行没有任何问题。 此时应该是启用了GPU，会调用Cudnn第三方库Q，该报错应该是Cudnn版本的问题。确认下电脑是否安装多个Cudnn版本。最简单的解决办法:将Halcon20安装目录下的第三方库(D:\Ha
C#联合halcon深度学习源码 继电器识别
2301_78033722的博客
05-08 330
提供继电器零件的数据集和联合halcon的源码实现常规的物体分类和继电器零件分类两个运行文件夹，可以在非gpu电脑上面运行。因为这个零件种类比较多，并且不规则，用人工分类，比较容易误判，并且效率太低。在halcon等图像处理算法不稳定的情况下，需要用深度学习来解决。下面这个案例非常有参考价值，是基于深度学习来识别工厂的零件。C#联合halcon深度学习源码 继电器识别。通过深度学习的模型，很好的分类这些产品零件。人工加了gpu,，将提高识别时间。
Halcon教程十一：小球识别，初识腐蚀与膨胀，开运算和闭运算
weixin_38083655的博客
11-12 3474
在前面的博客里面 我有发布过两个例子 一个是识别条码 一个是识别回形针个数和方向 识别条码用到了内置的算子 create_bar_code_model halcon这个算子还是蛮强大的 我当时用工业相机去实时采集 很多拍下来的条码都能显示正确 既然后面涉及到了个数的识别 然后我想看更多的例子 好的 这个时候 我们点击一下halcon示例 在搜索栏输入 count 可以看到 关于个数的识别 halcon有三个示例程序 给大家翻译一下哈 第一个是识别瓶子个数，可以看到是用瓶口来识别的 第二个是识别鱼条个数（
halcon深度学习分类例程
07-28
Halcon深度学习分类例程主要包括以下几个步骤： 1. 设置窗体：通过代码设置窗体的大小和字体等属性。 2. 将图片打上标签：使用深度学习分类模型对原始数据进行标签处理，包括设置输入路径、方法、图片路径、图片标签等。 3. 将图片处理为分类模型所需要的图片：将原始图片处理为分类模型所需的图片格式。 4. 将图片的数据集进行拆分：对处理后的图片数据集进行拆分，包括训练集、验证集和测试集。 5. 设置分类模型所需的参数和环境：根据模型的要求设置图片的参数，包括图片大小、通道数和灰度值范围等。 6. 重新生成一个新的分类模型：根据设置的参数和环境重新生成一个新的分类模型。 7. 训练：使用生成的分类模型对训练集进行训练。 8. 验证：使用生成的分类模型对验证集进行验证。 9. 测试：使用生成的分类模型对测试集进行测试。 具体的代码实现和使用方法可以参考Halcon的官方文档或者相关教程。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *2* *3* [Halcon 深度学习（一）：分类](https://blog.csdn.net/qq_41373415/article/details/115544750)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值