训练

您正在查看旧版本的文档。点击页面右上角可切换到最新版本的文档。

完成标注后,即可开始训练模型。在“训练”参数栏,可配置训练参数、训练模型、查看训练信息等。

训练参数

依次单击 参数配置 打开“训练参数配置”窗口。

数据增强

训练模型的数据需要尽量包含实际可能出现的所有情况,若现场不具备相应的采集条件,可以针对缺失的情况在训练前调整数据增强参数,在原有数据的基础上丰富训练数据。但必须确保倍增的图像数据与现场实际情况一致,如果现场不会出现旋转的情况,那么不需要调整这一参数,否则可能会影响模型效果。

鼠标悬浮到 train ask icon 可查看各参数的调节效果。
  • 亮度

    图像的明暗程度。现场光照变化较大时,可以通过调整 亮度 范围倍增不同光照状态下的图像数据。

  • 对比度

    图像灰度反差的大小。目标物体和背景差异较小时,适当调整 对比度 范围,可以使目标物体特征更明显。

  • 平移

    将图像所有的像素坐标分别加上指定的水平偏移量和垂直偏移量。现场物体(料筐、托盘等)位置移动范围较大时,可以通过调整 平移 参数,随机倍增横向、纵向平移的数据。

  • 旋转

    指图像以某一点为中心旋转一定的角度,形成一张新的图像。一般情况下保持默认参数设定即可满足需求。物体摆放角度变化较大时,通过调整 旋转 参数,可以随机倍增多种角度的图像数据。

  • 缩放

    将图像按一定比例缩小或放大。物体摆放高度差异较大时,通过调整 缩放 参数 ,可以随机倍增不同缩放程度图像数据。

  • 水平翻转

    图像左右翻转 180°。若待目标物体存在左右对称的情况,可以开启 水平翻转

    Unnamed image
  • 垂直翻转

    图像上下翻转 180°。若目标物体存在上下对称的情况,可以开启 垂直翻转

    Unnamed image
  • 标注膨胀

    此参数仅在使用“缺陷分割”模块时可调整。 按一定比例扩大图像中标注的缺陷区域。一般情况下不需要勾选,若图像标注的缺陷较小可以勾选 标注膨胀 ,避免因图像缩放导致缺陷太小而影响训练。

训练参数

  • 输入图像尺寸

    训练时输入神经网络的图像宽高(单位:像素)。建议使用默认设定;若图像中的物体或标注缺陷区域较小时,需要适当调大 输入图像尺寸 。图像尺寸越大,模型精度越高,但是训练速度越低。

  • 批量大小

    神经网络训练一次选取的样本数量。建议使用默认设定;若需要提高训练速度时,可以适当调大 批量大小 参数,参数设置太大会导致显存占用变高。

  • 模型类型

    “缺陷分割”模块

    标准

    一般情况下建议使用 标准 模式

    增强

    模型效果不好或精度要求较高时可以选择 增强 模式,该模式会导致训练速度变慢

    “实例分割”模块

    标准(推荐 GPU 部署)

    模型部署在 GPU 设备时选择此选项

    轻量(推荐 CPU 部署)

    模型部署在 CPU 设备时选择此选项

  • 评估间隔轮次

    模型训练时,每评估一次间隔的轮次数量。建议使用默认设定,调大 间隔轮次 参数可以提升训练速度 ,参数值越大训练越快;参数值越小训练越慢,但有助于挑选最优模型。

  • 总轮次

    模型训练的总轮次。建议使用默认设定,若待识别图像特征较复杂时,需要适当增加训练轮次,提升模型效果,但会导致训练时间变长。

    训练轮次并非越大越好,总轮次设置较大时,模型准确率稳定后还会持续训练,会导致训练时间变长,且有过拟合的风险。
  • 学习率

    学习率决定神经网络训练过程中每一次迭代优化的步长。建议使用默认设定,图表损失曲线收敛较慢时,可以适当调大 学习率 ;若图表精度波动较大,可以适当调小 学习率

  • GPU ID

    用户训练设备的显卡信息。若用户设备有多块 GPU ,可以在指定的 GPU 上训练。

  • 网络简化

    该选项用于简化神经网络结构。默认不勾选。训练数据相对简单时,勾选该选项可以提高训练和推理速度。

模型微调

在模型上线一段时间后,若发现一些场景模型不能覆盖,此时需要进行模型迭代。传统的方案是增加数据重新训练,但可能会降低整体识别准确率,同时花费时间较长。 可以使用“模型微调”的方式对模型迭代,既能保持模型当前的准确率,也能节省时间。

此功能仅在“开发者模式”下可用。在 设置  选项 中开启“开发者模式”。

模型微调步骤:

  1. 采集识别效果不好的图像加入训练集和验证集中。

  2. 在训练参数配置中开启模型微调,同时适当降低学习率;轮次可以降低为50-80轮次。

  3. 确认参数修改后,开始训练。

如微调超级模型,在实例分割算法的训练参数配置中,开启模型微调后选择超级模型路径。

训练中心

训练中心用于批量训练模型,在训练中心可查看训练进度与显存占用情况,调整训练次序。

完成标注操作后与参数配置后,单击 训练,当前工程即加入到训练队列,当加入训练队列的工程在电脑显存的可工作范围内,可进行并行训练。

general parameters train center
  • 单击 train center stop 终止正在训练的任务。

  • 单击 train center delete 将当前任务从训练队列中删除。

  • 单击 train center change 将当前任务调整到等待训练队列的顶部。

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。