Halcon深度学习-笔记

最新推荐文章于 2024-07-23 10:17:10 发布

多巴胺耐受

最新推荐文章于 2024-07-23 10:17:10 发布

阅读量1k

点赞数 19

分类专栏： Halcon 文章标签：深度学习笔记

本文链接：https://blog.csdn.net/yoto_jo/article/details/135773785

版权

本文介绍了Halcon深度学习在分类任务中的应用，详细阐述了数据集预处理、训练和评估的过程。内容包括数据集的读取、分割、预处理，训练参数设置，模型训练与评估，以及关键算子的作用和参数含义。

摘要由CSDN通过智能技术生成

Halcon深度学习知识点

分类(‘classification’)：

在这里插入图片描述

判断一张图片是什么，一张图片是一种类型，得到的结果：类型名称+概率

目标检测(‘detection’)：

能够定位一张图中的目标位置和目标的个数
在这里插入图片描述

语义分割(‘segmentation’)：
在这里插入图片描述

直接分割出图片中目标的像素轮廓

**异常检测(anomaly_detection)：**用异常检测来做，只训练ok图片；

雾里看花：因为目标检测有个弊端，自然缺陷类别会很多而且不规则，缺陷样本很难收集，聪明的客户是不会认可这种方式的，因为如果忽然出现其他类别的缺陷，目标检测未必就能检测出来，存在漏检的风险；
但是跟客户讲解，如果用异常检测来做，只训练ok图片，跟ok不一样的就会被挑出来，客户更能够接受）

分类

根据Halcon例子学习分类的各个细节：

classify_pill_defects_deep_learning_1_preprocess

classify_pill_defects_deep_learning_2_train

classify_pill_defects_deep_learning_3_evaluate

classify_pill_defects_deep_learning_4_infer

主要记录各个算子的作用和参数意义

数据集预处理（Dataset preprocessing）

read_dl_dataset_classification：

根据本地的整理好的图片文件生成数据格式： DLDataset

格式：

* DLDataset
* {
   
*     'image_dir'         : Common base path of all images
*     'class_names'[]     : Tuple of strings
*     'class_ids'[]       : Tuple of integers [0, ..., |ClassNames|-1]
*     'samples'[]         : Tuple of dictionaries
*     {
   
*         'image_file_name'    : File path relative to 'image_dir' (including the file name)
*