训练图像分类模型
图像分类模型可根据图像信息中反映出的不同特征区分不同类别的图像。本文以冷凝器为例,介绍如何训练一个可以区分冷凝器正反的图像分类模型。
训练图像分类模型的流程如下:
准备工作
开始训练前,请确保已按照采集规范采集并筛选出用于训练的图像数据。本例中需要准备冷凝器的正面图像和反面图像。
导入并标注图像
-
新建标签:在右侧的标注页面中,单击类别栏的 新建类别标签。本例中需要区分冷凝器的正反,因此新建Front和Back两种标签。
-
导入图像数据:
-
在图像列表上方选择
,选择正面图像数据文件夹; -
在弹出的“导入并标注图像”窗口,单击“已有标签”,选择Front标签后单击导入,文件夹中所有的图像将被标注为Front;
-
以同样方式导入反面图像数据文件夹,并标注为Back。
-
导入文件夹时,如需使用新标签,可在“导入并标注图像”窗口单击“新标签”,创建标签后单击导入。
-
如暂不对图像进行标注,可在“导入并标注图像”窗口单击“无标签”,导入的图像将不含任何标注。您可导入所有图像数据后逐张标注。
-
-
划分数据集:导入并标注所有图像后,单击 ,拖动滑块,将图像按照训练集(80%)和验证集(20%)的比例进行划分。
验证和导出模型
模型训练完成后,进入验证页面,点击验证按钮,Mech-DLK 会使用当前图像数据对模型进行验证。
验证结束后,检查验证结果无误,此时一个用于区分冷凝器正反的图像分类模型就训练完成了。
点击右下角的导出按钮,选择模型存放路径后导出该模型。导出的模型可在 Mech-Vision 与 Mech-DLK SDK 中使用,单击此处 查看详细说明。