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。

classification example

训练图像分类模型的流程如下:

classfication workflow

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。

新建工程并添加模块

  1. 新建工程:打开 Mech-DLK,在启动界面左上角,单击新建工程,输入工程名并选择保存路径。

  2. 添加算法模块:进入工程界面后,在右上角的模块区域,单击 icon create 并选择“图像分类”模块。

导入并标注图像

  1. 新建标签:在右侧的标注页面中,单击类别栏的 icon create 新建类别标签。本例中需要区分冷凝器的正反,因此新建FrontBack两种标签。

    classification label
  2. 导入图像数据:

    1. 在图像列表上方选择 导入/导出  导入文件夹,选择正面图像数据文件夹;

    2. 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

    3. 以同样方式导入反面图像数据文件夹,并标注为Back

      classification import
    • 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。

  3. 划分数据集:导入并标注所有图像后,单击 images divide icon,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。

    classification image divide

训练模型

完成图像导入和标注后,即可开始训练模型。

进入训练页面,点击训练按钮开始训练。可在训练中心查看模型训练进度,点击显示图表查看各轮次训练的精度和损失值。

classification train

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。

classification validate

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。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。