使用图像分类模块

您正在查看V2.5.2版本的文档。如果您想查阅其他版本的文档,可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您想使用最新版本,可以从梅卡曼德下载中心下载。

■ 如果您不确定当前使用的产品是哪个版本,请随时联系梅卡曼德技术支持。

本章提供 Mech-DLK 示例工程中的冷凝管数据( 单击下载 ),带领用户使用“图像分类”模块训练模型,达到示例工程中区分工件的正反面的效果。

用户可使用自己准备的数据。整体使用流程一致,标注环节存在差异。

使用流程

  1. 新建工程并添加“图像分类”模块:单击初始页面上的 新建工程 ,选择工程路径并输入工程名以新建一个工程。再单击右上角的 example projects icon create,选择“图像分类”模块。

    example projects add project
  2. 导入图像数据:解压缩下载的压缩包,单击左上方的导入/导出,选择导入文件夹导入下载好的图像数据。

    选择导入数据集选项时,此模块仅支持导入 DLKDB 格式(.dlkdb)的数据集,即仅支持从 Mech-DLK 中导出的数据集。
    example projects import images
  1. 创建标签:在标注栏中单击 +,根据物体名称或特征创建对应的标签。此处需要区分工件正反面,所以分别以 front 和 back 命名创建两个类别。

    选中一个标签后,可右键选择合并至选项,将当前类别下的数据更改为另一类别。若在训练模型后进行了标签合并操作,建议重新训练模型。
  2. 标注图像:图像左侧标注工具栏选择对应的标签进行标注,可以同时选中多张图像进行标注。务必确保标签的一致性,禁止出现将图像反面标注为正面的情况。

    example projects classification label
    图像分类模块支持同时选中多张图像进行批量标注。
  3. 划分训练集与验证集:软件默认将数据集的 80% 划分为训练集,20% 为验证集。需要确保训练集和验证集中都包含 所有种类 的图像,目的是让算法模块在训练过程中可以学习所有种类图像的特征,并对所有种类的图像进行验证。如果默认划分的数据集不满足这一条件,右键单击图像名称后单击“移到训练集”或“移到验证集”调整图像所属集合。

    example projects move image
  4. 训练模型:使用默认参数设定,单击 训练 开始训练模型。

    example projects training chart
  5. 验证模型:训练结束后,单击 验证 可以验证并查看模型识别效果。此外可依次单击 process filter images > 错误的结果 > 确定 对结果进行筛选,以此来检查识别错误的结果。

    验证完模型后,可导入新的图像数据至当前模块,使用预标注功能在该模型的基础上进行自动标注。详细介绍请查看预标注功能说明

    example projects training verify
  6. 导出模型:单击 导出模型 ,设置“类激活图”选项后单击 导出 ,然后选择存放路径,即可导出模型。

    默认“类激活图”选项不开启。在 Mech-Vision 中使用保存了类激活图的模型时推理速度将变慢。
    example projects model files

    导出后的模型可在 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。