使用Halcon 深度学习 目标检测辨别物件方向的体会

需求：辨别pcb板元件极性方向，如下图

左                                    右

运行infer.hdev后

训练之后，效果还不错 

 使用大恒图像提供的代码（视频最后有百度云盘，可扫码下载）

http://tr.daheng-imaging.com/watch/1101141

训练参数：

网络模型：pretrained_dl_classifier_enhanced.hdl

*训练迭代次数   NumEpochs := 300*1.0

*数据扩充比例
AugmentationPercentage := 0
*数据扩充是否支持水平、垂直镜像，可设值'r'、'c'、'rc'、'off'
AugmentationMirror := 'off'   

如果要判断物件方向，AugmentationMirror一定要设置为off

*初始学习率0.0005
InitialLearningRate := 0.0001*1

*最大重叠度
MaxOverlap := 0.2

MaxLevel是在determine_dl_model_detection_param函数中自动计算的，但是好像不准

我给改成固定的了

set_dict_tuple (DLDetectionModelParam, 'min_level', MinLevelToUse)
set_dict_tuple (DLDetectionModelParam, 'max_level', MaxLevelToUse)

改为：

set_dict_tuple (DLDetectionModelParam, 'min_level', 3)
set_dict_tuple (DLDetectionModelParam, 'max_level', 4)

需要根据图片尺寸来设定，图片越大，maxlevel可设置的越大

总结：

1、图片大小最好保持一致，训练和测试用图片尺寸也要一致

2、图片亮度要高，太暗的图片不容易提取特征。

3、图片不能太大，大图片上取小目标，也不好提取特征。

4、maxlevel尽可能的大，虽然层数多，会增加训练时间，但是识别率会提高很多。

5、样本图片尽量多一些，至少超过30张

另外：大恒的代码里会将图片的width和height处理成64的倍数，所以图片的长宽不能小于64像素

  if (Width > MaxWidth)
        tuple_min2(Width, MaxWidth*1.0, Min)
        Scale := Width / Min
    else
        Scale := 1.0
    endif
    Divisor := 64
    Width  := int(int((Width / Scale) / Divisor) * Divisor)
    Height := int(int((Height / Scale) / Divisor) * Divisor)

版权声明：本文为CSDN博主「zhangsansecond」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhangsansecond/article/details/121533688