使用目标检测模块

本文将为用户提供转子数据( 单击下载 ),带领用户使用“目标检测”模块训练模型,达到示例工程中检测所有转子的位置并输出数量的效果。

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“目标检测”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“目标检测”模块。

    example projects add new module
  2. 导入图像数据:解压缩下载的数据压缩包,单击左上方的 导入/导出 ,选择 导入文件夹 导入下载好的转子图像数据。

    example projects import images
    选择导入数据集选项时,此模块支持导入 DLKDB 格式(.dlkdb)和 COCO 格式的数据集(单击下载示例数据集)。
  3. 截取ROI:单击选项 example projects icon roi从图像中框选盛放转子的料筐作为感兴趣区域,并单击 ROI 边框右下角的 tools introduction OK 应用当前ROI。截取 ROI 的目的是减少无关背景信息的干扰。

    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。需要确保划分后的训练集和验证集中涵盖所有需要检测的物体种类,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 divide dataset
  5. 创建标签:根据物体名称或特征创建对应的标签,此数据集以转子英文名称创建标签。

    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。
    example projects create label
  6. 标注图像:以矩形框标注出图像中所有转子。标注时尽量矩形框刚好包住转子边缘,避免过多标注转子边缘以外的区域,标注不准确会影响模型训练效果。单击此处 查看标注工具使用详解。

    example projects labeling
  7. 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
  8. 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。

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

    example projects validation
  9. 导出模型:单击 导出模型。在弹出的对话框中,设置“推理时最大目标个数”后单击导出,然后选择存放路径,即可导出模型。

    单次推理的最大目标个数,默认为 100。
    example projects export model

    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。