HALCON 语义分割的笔记（预处理）

以下是学习HALCON中语义分割例程segment_pill_defects_deep_learning_1_preprocess的笔记。

一、创建个数据集

          开始halcon语义分割的第一步是创建一个用于深度学习的语义分割的模型，在这个模型中将设置各种用于深度学习的参数。

1、模型的数据结构如下：

  DLDataset
  {
      'image_dir'         : 所有图像文件夹路径
      'segmentation_dir'  : 所有标签图像文件夹的路径
      'class_names'[]     : 类名
      'class_ids'[]       : 类ID
      'samples'[]         : 样本，将图片和与它相对应标签图片路径配对
      {
          'image_file_name'           : 相对于'image_dir'的图片文件路径（包括图片文件名）
          'segmentation_file_name'    : 相对于'segmentation_dir'的标签图像文件路径（包括标签图像文件名）
          'image_id'                  : 图像索引号
          'split'                           :所属的子集（训练，验证和测试）

  'dlsample_file_name'　：对应这个样本的DLSampleBatch保存在硬盘上的文件名　

｝

'preprocess_param'[]  :记录预处理参数的数据结构，在第三段中有详细的记录

'dlsample_dir'    ：DLSampleBatch的输出路径

'class_weights' ：每个类的权重

 }

2、在创建模型前要检查以下几点：

• 类名的个数与类的ID号是否是对应的
• 每个类ID必是唯一的
• image_dir只能是一个字符串
• SegmentationDir只能是一个字符串
• 检查ImageList和SegmentationList是否具有相同的长度，或者SegmentationList是否为空

二、划分样本，分为三个不相交的子集：训练，验证和测试并在模型的'samples'项中注明

      例程中要求按照训练75%、验证15%、测试15%的百分比化分。

三、创建一个预处理参数的数据结构，并保存

结构如下：

DLPreprocessParam

{

'model_type'         :结构的类型

‘image_width’       :图片的宽