训练图像样本集

VisionPro Deep Learning 工具基于深度学习，深度学习通过提供网络数据并使机器从已学习数据中推导出应该达成的目的来教导神经网络。因此，输入网络的数据至关重要。因此，最重要的是要问自己，“我在向网络传授什么？”

您对网络教授的内容取决于您的训练图像样本集。训练图像样本集表示您为网络提供的数据。对于 VisionPro Deep Learning 工具，图像构成了将用于训练工具的数据集的主干。通过深度学习，大量数据被输入系统，然后系统将从数据中推断出我们正在努力实现的目标。因此，在这种情况下，数据（也就是图像）至关重要。

在深度学习领域内，训练图像集表示将被传递到网络中的数据。构建训练图像集时，您需要考虑以下事项：

• 相对于运行时图像，我的训练图像集是否具有代表性？这包括以下内容：

  • 照明 - 如果存在照明变化，则您的训练集应包括您预计的运行时照明变化。
  • 颜色 - 零件是否会在运行时改变颜色？然后您应该包括所有不同的颜色变化。
  • 旋转/缩放 - 当零件呈现给相机时，是否会显示旋转或缩放？然后应该包括这些变化。
  • 部件间差异 - 如果被检查的零件可能有微妙的变化，则这些变化应该包含在您的训练集中。
  • 背景 - 在很多情况下，您的零件的图像可能会被捕获在您的桌面上。但是，这些零件最终将在传送带上运行，这为 Deep Learning 工具提供了更加有趣的背景。如果是这种情况，您应该获取传送带零件的训练集。而且，如果背景对检查不重要，您可以将其遮蔽。遮蔽背景不向网络传授无关信息，因此通常可以改善工具的性能。
    
• 我的训练图像集是否提供了足够的数据？对 Deep Learning 工具编程时遇到的许多问题可以通过提供更多图像和数据并重新训练工具来解决。

您对图像进行分类和采集之后，就可以创建一个图像样本集，并在训练集中使用。