绿色分类聚焦

绿色分类架构概述

具有 3 种类型的架构绿色分类工：聚焦、高细节和高细节快速。

 

• 绿色分类聚焦用于对对象或完整场景进行分类。无论是基于包装识别产品、对焊缝分类还是区别合格或不合格的缺陷，聚焦模式都会学习基于一个标注图像集合来区分不同的类。要训练聚焦模式，您只需提供分配并标注了不同类的图像。

• 绿色分类高细节与聚焦绿色分类工具类似，但使用不同的架构。高细节模式学习基于一个标注图像集合来区分不同的类。要训练高细节模式，您只需提供分配并标注了不同类的图像。

• 绿色分类高细节快速是绿色分类高细节模式的修改，它显著提高了其训练速度，但检测精度有所下降。创建该模式是为了导入最先进的训练算法，以保证获得稳健和出色的结果，尽管其精度级别比绿色分类高细节稍低。该模式还需要很少的工具参数，从而提供简单快捷的训练。包括逐步使用方法在内的其他详细信息与绿色分类高细节没有太大区别。

 

关于 绿色分类聚焦

绿色分类聚焦 是一种图像分类工具，通过特征采样来学习属于训练集的图像的像素信息。当图像被正确标注、图像的 ROI（感兴趣区域）正确设置以及当一组工具参数值能够很好地从训练集中的图像中捕获判别特征时，它可以很好地学习图像信息。在该工具学习到足够多的信息时候，换句话说，在经过足够的训练后，可以对每张图片做出一个属于某个类别的预测。

该工具使用采样器从图像中采样特征，采样器的采样幅度可由用户定义，VisionPro Deep Learning 中的所有其他聚焦工具也是如此。它比绿色分类高细节在大多数环境中产生可用性能的分类结果更快。

 

架构：绿色分类聚焦与绿色分类高细节

聚焦模式使用与高细节模式不同的架构。由于架构不同，聚焦模式用于训练的时间要比高细节少，因此与高细节模式相比，您可以获得快速的反馈。

聚焦模式设置是有选择性的，它聚焦于图像中包含有用信息的部分。由于这种聚焦，网络可能会丢失信息，尤其是当图像中到处都有重要细节时。

高细节模式使用与聚焦模式不同的架构。由于架构原因，高细节模式用于训练的时间要比聚焦模式多，但您可以获得更准确的结果。

在高细节模式下创建模型的方式与聚焦模式基本相同，但工具参数有所不同。另外，不能在高细节模式下为每个视图分配多个标签。每个视图只有一个对应的标签，这意味着不支持非独占模式。

 

	聚焦模式	高细节模式
速度	快速	慢速
精度	精确	更精确
参数数量	许多	许多
图像数据集组成	训练集、测试集	训练集、验证集、测试集

 

架构：绿色分类聚焦与绿色分类高细节快速

绿色分类高细节快速模式使用与聚焦模式不同的架构。由于架构差异，它在工具参数窗格中没有采样参数，因为它从整个视图中采样。在绿色分类高细节快速中标注图像和创建神经网络模型的方式与聚焦模式基本相同，但与 绿色分类聚焦 相比，几乎不需要参数。

 

支持的特征和架构

特征	绿色分类聚焦	绿色分类高细节	绿色分类高细节快速
视图检查器	支持，无热力图	支持，有热力图	支持，有热力图
损失检查器	不支持	支持	不支持
验证集	不用于训练	用于训练	不用于训练
VisionPro Deep Learning 工具参数	更少的参数	更多控制参数*， 无采样参数	几乎没有参数
多类分类 （非独占/独占模式）	支持	不支持	不支持
调整大小模式	不支持	支持	不支持

* 更多的训练和扰动参数，用于详细的训练控制和粒度调整

 

绿色分类聚焦的训练工作流

在绿色分类工具处于绿色分类聚焦模式时，工具的训练工作流为：

 

1. 启动 VisionPro Deep Learning。
2. 创建新工作区或将现有工作区导入 VisionPro Deep Learning。
3. 收集图像并将其加载到 VisionPro Deep Learning。
4. 定义 ROI（感兴趣区域）以构建视图。
   1. 如果蓝色定位工具中的某个姿势被用来改变视图的方向，并且该视图被用作绿色分类工具的输入，请在打开绿色分类工具前并处理图像（按下剪刀图标）。有关更多详细信息，请参阅蓝色定位工具后的 ROI 选项。

   2. 如有必要，调整关注区域 (ROI)。在显示区域中，右键单击并从菜单中选择编辑 ROI。

      

   3. 调整 ROI 后，按应用按钮，调整后的 ROI 将应用于所有图像。
   4. 按工具栏上的关闭按钮以继续。
5. 如果图像中存在无关信息，请添加适当的遮蔽以排除图像的这些区域。在显示区域内，右键单击并从菜单中选择编辑遮蔽。

   1. 从“遮蔽”工具栏中，选择并编辑相应的遮蔽。

      

   2. 添加必要的遮蔽后，按应用按钮，遮蔽将应用于当前图像。

      如果在添加必要的遮蔽后单击全部应用，并在随后出现的应用遮蔽对话框中单击是按钮，将在所有图像上应用相同的遮蔽。如果在对话框上单击否，将不会应用遮蔽，并返回到编辑遮蔽窗口。

      

   3. 按工具栏上的关闭按钮以继续。

6. 浏览所有图像，用分类标记标注图像。有关标注的详细信息，请参阅创建标签（标注）。

   Tip: 建议使用描述性名称或编号方案注释图像文件，以便在标注图像时提供帮助。

7. 您可以使用视图浏览器中的标签视图选项。

   

8. 标注时，您可以应用标记或使用正则表达式来应用分类标记标签。

   

9. 确保所有图像都已使用分类标记进行标注。
10. 将整个图像分割成训练图像和测试图像。利用图像集将它们适当地分为训练组和测试组。将图像添加到训练集。
    1. 在视图浏览器中选择图像，然后在右键单击的弹出菜单中单击将视图添加到训练集。要在视图浏览器中选择多个图像，请使用 Shift + 鼠标左键。
    2. 或者，使用显示筛选条件仅显示训练所需的图像，并通过单击...视图的操作→将视图添加到训练集将它们添加到训练集。
11. 在训练之前，您需要在工具参数中设置参数。可以配置训练、采样和扰动参数或仅使用这些参数的默认值。有关支持参数的详细信息，请参阅配置工具参数。
    1. 请确保已设置采样参数中的特征尺寸参数。特征尺寸参数为网络提供了您有兴趣分类的特征尺寸的线索。因此，如果特征尺寸参数设置大于应用程序中的特征，则工具很可能无法确定图像中的正确类。
    2. 您可以通过手动调整参数值来设置“特征尺寸”，也可以通过重新调整交互式特征尺寸图形来以图形方式设置。
    3. 如果您想对训练或处理进行更精细的控制，请打开帮助菜单上的专家模式以初始化工具参数中的其他参数。
12. 按大脑图标训练工具。
    1. 如果您在训练时通过按停止图标停止训练，您可以停止训练，但您将丢失目前训练的当前工具。

13. 训练后，审核结果。打开数据库概述面板并查看每个类（标记）的混淆矩阵和精度、召回、F-得分以了解结果。有关解释结果的详细信息，请参阅解释结果。

14. 查看结果后，浏览所有图像并查看该工具如何正确或错误地标记每个图像的标记。
    1. 如果工具使用适当标记正确标注了图像，请右键单击图像并选择接受视图。
    2. 如果工具错误地使用不正确的标记标注了图像：
       1. 再次右键单击图像，然后选择清除标记和标签。

       2. 手动标记图像。

          

    3. 如果您遇到 (a.) 中的情况，则工具已可以使用。如果您遇到 (b.) 中的情况，则需要重新训练该工具并重复步骤 11 ~ 14。

 

每个步骤的详细信息在训练绿色分类聚焦的每个子小节中说明。