使用非监督分割模块

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。

以瓶底数据(单击下载)为例,本节将展示如何使用“非监督分割”模块训练可检测图像中是否有缺陷的模型。

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。
  1. 新建工程并添加“非监督分割”模块:单击初始页面上的新建工程按钮,选择工程路径并输入工程名称以新建一个工程。然后,单击右上角的 example projects icon create,选择“非监督分割”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/导出按钮,选择 导入文件夹 导入下载的图像数据。

    example projects import images
    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,即仅限于从 Mech-DLK 中导出的数据集。
  3. 截取 ROI:单击 ROI 工具 example projects icon roi,框选目标图像区域,并单击标注界面上方的应用确认使用。截取 ROI 的目的是减少无关背景信息的干扰。

    同一 ROI 设定将应用于所有图片,因此需要保证所有图片中的物体都位于 ROI 内。
    example projects roi
  4. 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,可以单击 example projects icon slider 拖动滑块调整图像占比。

    example projects move image
  5. 标注图像:在图像左侧标注工具栏选择 OK 标签工具 OK label tool 或 NG 标签工具 NG label tool 对图像进行标注。

    example projects labeling
  6. 训练模型:使用默认参数设定,单击训练开始训练模型。

    训练集中带有 NG 标签的图像会放到验证集,用于训练过程中的验证。
    example projects training chart
  7. 验证模型:训练结束后,单击验证可以验证并查看模型效果。

    example projects result verification
    在“验证”选项下单击编辑阈值,然后在弹出的对话框中拖动阈值线来修改阈值。绿色竖线用于设置 OK 结果的阈值,红色竖线用于设置 NG 结果的阈值。修改阈值后,需根据新设定的阈值重新验证模型。
  8. 导出模型:单击导出模型,然后选择存放路径,即可导出模型。

    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。