检查标记
工具经过训练后,就可以处理数据库中的图像以及新采集的图像,并将标记放置在它找到的特征上。标记是 VisionPro Deep Learning 生成的输出,用于以图形方式显示神经网络模型的解释,同时生成统计结果。标记是工具基于在训练之前完成的标注而放置在工具识别图像的字符、特征和/或区域上的图形元素。对于蓝色定位工具,标记包含特征和模型匹配项列表。
可以使用 Alt + 左箭头键和 Alt + 右箭头键,或者从图像的右键菜单中切换标签和标记的显示。
您还可以通过在叠加复选框中启用“标记”来显示叠加。
不匹配
蓝色定位和蓝色读取工具表示与橙色标记不匹配。不匹配是指系统在您标注的图像中找到的特征,但是相应标签之间存在不匹配,或者可能存在更多标记特征的实例。如果遇到不匹配,首先要检查训练样本图像集的标注的准确度,以及其他方面——例如照明的稳定性和图像特征的外观;有关详细清晰,请参阅图像捕获主题)。
在应用程序开发期间,不匹配表示训练集没有实现规范化。例如,由于 Deep Learning 尚未完全了解这些特征,两个特征之间具有非常细微差别的应用程序可能会出现不匹配。简而言之,Deep Learning 通过训练集掌握的内容与其在生产中看到的内容(处理测试集)之间存在差异。在此阶段,您应该创建独一无二的训练和测试图像样本集。您负责管理工作,但必须对训练集中的任何图像进行训练(使用 100% 分数)。
如果在测试集中遇到不匹配,这表明没有对工具正确规范化。这通常是因为图像无法正确捕获特征,也就是图像数据库中存在间隙。在这种情况下,需要重新训练工具,确保包含不匹配的图像/视图进入训练集并正确标注。
标记和结果
将标签应用于图像中的所有特征并且训练工具后,工具会将标记应用于它认为匹配特征的图像区域。标签和标记的区别在于它们的外观。
- 标签图形仅用于说明目的,不会影响网络模型的训练。
特征不在模型中 | 特征在模型中 | 假设特征在模型中 | |
---|---|---|---|
标签 |
|
|
|
标记 |
![]() |
![]() |
![]() |
标记不匹配 |
![]() |
![]() |
![]() |
在模型中都没有 | 两者都在一个模型中 | 只有标签在模型中 | 只有标记在模型中 | 仅假设标记在模型中 | 标签位于模型中,并且假设标记在模型中 | |
---|---|---|---|---|---|---|
覆盖标记的标签 |
|
|
|
|
|
|
带有不匹配标记的标签 |
|
|
|
|
|
|
非选中 | 已选 | 在模型中 | 假设在模型中 | |
---|---|---|---|---|
标签特征图形 |
|
|
|
|
标记特征图形 |
|
|
|
|
标记特征图形不匹配 |
![]() |
![]() |
![]() |
![]() |
重叠复选框
当您按 Alt + 左/右箭头(处理图像时的键盘快捷键)或选中重叠复选框上的每个复选框(标签和标记),上述 2 个表将前后或并排显示,并带有标签和标记的重叠图形